Mostrar registro simples

dc.contributor.advisorKunz, Mauríciopt_BR
dc.contributor.authorPonte, Francisco Diego Rabelo dapt_BR
dc.date.accessioned2018-05-31T02:28:25Zpt_BR
dc.date.issued2018pt_BR
dc.identifier.urihttp://hdl.handle.net/10183/178982pt_BR
dc.description.abstractObjetivos: 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.pt_BR
dc.description.abstractObjective: 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.en
dc.format.mimetypeapplication/pdfpt_BR
dc.language.isoporpt_BR
dc.rightsOpen Accessen
dc.subjectTranstorno bipolarpt_BR
dc.subjectBipolar Disorderen
dc.subjectCogniçãopt_BR
dc.subjectDecision treeen
dc.subjectAprendizado de máquinapt_BR
dc.subjectCluster analysisen
dc.subjectCognitive heterogeneityen
dc.titlePreditores de heterogeneidade cognitiva no transtorno bipolar : uma abordagem machine-learningpt_BR
dc.typeDissertaçãopt_BR
dc.identifier.nrb001064170pt_BR
dc.degree.grantorUniversidade Federal do Rio Grande do Sulpt_BR
dc.degree.departmentFaculdade de Medicinapt_BR
dc.degree.programPrograma de Pós-Graduação em Psiquiatria e Ciências do Comportamentopt_BR
dc.degree.localPorto Alegre, BR-RSpt_BR
dc.degree.date2018pt_BR
dc.degree.levelmestradopt_BR


Thumbnail
   

Este item está licenciado na Creative Commons License

Mostrar registro simples