Preditores de heterogeneidade cognitiva no transtorno bipolar : uma abordagem machine-learning

Detalhes bibliográficos
Autor(a) principal: Ponte, Francisco Diego Rabelo da
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/178982
Resumo: Objetivos: Identificar os preditores de heterogeneidade cognitiva nos sujeitos com Transtorno Bipolar (TB). Métodos: Foi recrutado 142 sujeitos com TB em atendimento ambulatorial e 100 voluntários sem transtornos psiquiátricos do Brasil e da Espanha para realizar avaliação neuropsicológica. Foi realizado Análise de Cluster Hierárquica e Análise de Função Discriminante para determinar e confirmar os subgrupos cognitivos. Por fim, foi usado o algoritmo Classification and Regression Tree (CART) para identificar os preditores dos subgrupos cognitivos anteriormente estabelecidos. Resultados: Foi observado a presença de três clusters cognitivos: indivíduos cognitivamente intacto (38%), seletivamente prejudicados (38%) e globalmente prejudicados (21%). Os preditores mais importantes foram anos de educação, anos de doença, número de hospitalizações, idade e idade de início. Conclusão: Os resultados corroboram com recentes achados sobre a heterogeneidade cognitiva nos sujeitos com TB. Além disso, os presentes achados indicam uma sobreposição entre aspectos neurodesenvolvimentais e história de doença.
id URGS_7d533d353b2157880cc3dc32be19bcd3
oai_identifier_str oai:www.lume.ufrgs.br:10183/178982
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Ponte, Francisco Diego Rabelo daKunz, Maurício2018-05-31T02:28:25Z2018http://hdl.handle.net/10183/178982001064170Objetivos: Identificar os preditores de heterogeneidade cognitiva nos sujeitos com Transtorno Bipolar (TB). Métodos: Foi recrutado 142 sujeitos com TB em atendimento ambulatorial e 100 voluntários sem transtornos psiquiátricos do Brasil e da Espanha para realizar avaliação neuropsicológica. Foi realizado Análise de Cluster Hierárquica e Análise de Função Discriminante para determinar e confirmar os subgrupos cognitivos. Por fim, foi usado o algoritmo Classification and Regression Tree (CART) para identificar os preditores dos subgrupos cognitivos anteriormente estabelecidos. Resultados: Foi observado a presença de três clusters cognitivos: indivíduos cognitivamente intacto (38%), seletivamente prejudicados (38%) e globalmente prejudicados (21%). Os preditores mais importantes foram anos de educação, anos de doença, número de hospitalizações, idade e idade de início. Conclusão: Os resultados corroboram com recentes achados sobre a heterogeneidade cognitiva nos sujeitos com TB. Além disso, os presentes achados indicam uma sobreposição entre aspectos neurodesenvolvimentais e história de doença.Objective: We aimed to determine predictors of cognitive heterogeneity in subjects with Bipolar Disorder (BD). Methods: We recruited 142 outpatients with Bipolar Disorder and 100 unaffected volunteers from Brazil and Spain that underwent a neuropsychological assessment. We performed Hierarchical Cluster Analysis and Discriminant Function Analysis to identify and validate cognitive subgroups, respectively. Then, we used Classification and Regression Tree (CART) algorithm to determine predictors of the cognitive clusters. Results: We identified three cognitive clusters in BD: intact (38%), selectively impaired (38%), and globally impaired subjects (21%). The most important predictors of cognitive subgroups were years of education, years of disease, the number of hospitalizations, age, and age of onset, respectively. Conclusion: These results corroborate with recent findings of neuropsychological heterogeneity in Bipolar Disorder. Furthermore, the present findings suggest overlapping between neurodevelopmental and morbid aspects.application/pdfporTranstorno bipolarCogniçãoAprendizado de máquinaBipolar DisorderDecision treeCluster analysisCognitive heterogeneityPreditores de heterogeneidade cognitiva no transtorno bipolar : uma abordagem machine-learninginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulFaculdade de MedicinaPrograma de Pós-Graduação em Psiquiatria e Ciências do ComportamentoPorto Alegre, BR-RS2018mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001064170.pdf.txt001064170.pdf.txtExtracted Texttext/plain108147http://www.lume.ufrgs.br/bitstream/10183/178982/2/001064170.pdf.txt258a604b88508e3b82b9baf045b84a39MD52ORIGINAL001064170.pdf001064170.pdfTexto completoapplication/pdf1337396http://www.lume.ufrgs.br/bitstream/10183/178982/1/001064170.pdf04901929eb4291ea0eecf7b8932234b1MD5110183/1789822022-07-06 04:58:16.013257oai:www.lume.ufrgs.br:10183/178982Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532022-07-06T07:58:16Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Preditores de heterogeneidade cognitiva no transtorno bipolar : uma abordagem machine-learning
title Preditores de heterogeneidade cognitiva no transtorno bipolar : uma abordagem machine-learning
spellingShingle Preditores de heterogeneidade cognitiva no transtorno bipolar : uma abordagem machine-learning
Ponte, Francisco Diego Rabelo da
Transtorno bipolar
Cognição
Aprendizado de máquina
Bipolar Disorder
Decision tree
Cluster analysis
Cognitive heterogeneity
title_short Preditores de heterogeneidade cognitiva no transtorno bipolar : uma abordagem machine-learning
title_full Preditores de heterogeneidade cognitiva no transtorno bipolar : uma abordagem machine-learning
title_fullStr Preditores de heterogeneidade cognitiva no transtorno bipolar : uma abordagem machine-learning
title_full_unstemmed Preditores de heterogeneidade cognitiva no transtorno bipolar : uma abordagem machine-learning
title_sort Preditores de heterogeneidade cognitiva no transtorno bipolar : uma abordagem machine-learning
author Ponte, Francisco Diego Rabelo da
author_facet Ponte, Francisco Diego Rabelo da
author_role author
dc.contributor.author.fl_str_mv Ponte, Francisco Diego Rabelo da
dc.contributor.advisor1.fl_str_mv Kunz, Maurício
contributor_str_mv Kunz, Maurício
dc.subject.por.fl_str_mv Transtorno bipolar
Cognição
Aprendizado de máquina
topic Transtorno bipolar
Cognição
Aprendizado de máquina
Bipolar Disorder
Decision tree
Cluster analysis
Cognitive heterogeneity
dc.subject.eng.fl_str_mv Bipolar Disorder
Decision tree
Cluster analysis
Cognitive heterogeneity
description Objetivos: Identificar os preditores de heterogeneidade cognitiva nos sujeitos com Transtorno Bipolar (TB). Métodos: Foi recrutado 142 sujeitos com TB em atendimento ambulatorial e 100 voluntários sem transtornos psiquiátricos do Brasil e da Espanha para realizar avaliação neuropsicológica. Foi realizado Análise de Cluster Hierárquica e Análise de Função Discriminante para determinar e confirmar os subgrupos cognitivos. Por fim, foi usado o algoritmo Classification and Regression Tree (CART) para identificar os preditores dos subgrupos cognitivos anteriormente estabelecidos. Resultados: Foi observado a presença de três clusters cognitivos: indivíduos cognitivamente intacto (38%), seletivamente prejudicados (38%) e globalmente prejudicados (21%). Os preditores mais importantes foram anos de educação, anos de doença, número de hospitalizações, idade e idade de início. Conclusão: Os resultados corroboram com recentes achados sobre a heterogeneidade cognitiva nos sujeitos com TB. Além disso, os presentes achados indicam uma sobreposição entre aspectos neurodesenvolvimentais e história de doença.
publishDate 2018
dc.date.accessioned.fl_str_mv 2018-05-31T02:28:25Z
dc.date.issued.fl_str_mv 2018
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/178982
dc.identifier.nrb.pt_BR.fl_str_mv 001064170
url http://hdl.handle.net/10183/178982
identifier_str_mv 001064170
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/178982/2/001064170.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/178982/1/001064170.pdf
bitstream.checksum.fl_str_mv 258a604b88508e3b82b9baf045b84a39
04901929eb4291ea0eecf7b8932234b1
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1810085442043772928

Registros relacionados