Resumen

Los déficits de atención, entre otros déficits cognitivos, se observan con frecuencia en la esquizofrenia. Aunque se han establecido tareas neurocognitivas válidas y fiables para evaluar los déficits de atención en la esquizofrenia, el valor jerárquico de esas pruebas como discriminantes de diagnóstico a nivel de un solo sujeto sigue siendo poco claro. Por lo tanto, mucha investigación se dedica a los déficits de atención que es poco probable que se traduzca en la práctica clínica. Por otra parte, una clara jerarquía de déficits de atención en la esquizofrenia podría ayudar considerablemente a la toma de decisiones de diagnóstico y puede resultar beneficioso para la vigilancia longitudinal de avances terapéuticos.

Para proponer una jerarquía de diagnóstico de déficits de atención en la esquizofrenia, investigamos varias facetas de atención en 86 pacientes con esquizofrenia y 86 controles sanos, utilizando un conjunto de pruebas de atención establecidas. Se aplicaron algoritmos de aprendizaje mecánicos de última generación para determinar las variables de la prueba de atención que permiten una diferenciación automática entre los pacientes con esquizofrenia y los controles sanos. Después de la preordenación de variables, la construcción de hipótesis y la validación de hipótesis, la maquina de vector de soporte polinomial alcanzó una precisión clasificatoria del 90.70%± 2.9% utilizando la velocidad psicomotora y 3 parámetros de atención diferentes derivados de tareas de atención sostenida y dividida.

Nuestro estudio propone, en la medida de nuestro conocimiento, la primera jerarquía de déficits de atención en la esquizofrenia mediante la identificación de parámetros de atención más discriminativos entre una variedad de déficits de atención que se encuentran en los pacientes con esquizofrenia. Nuestros resultados ofrecen un punto de partida para la construcción de la jerarquía de los déficits de atención asociados con la esquizofrenia y contribuyen a traducir estos conceptos en la práctica diagnóstica y terapéutica a nivel de un solo sujeto.

Para acceder al texto completo consulte las características de suscripción de la fuente original:

http://schizophreniabulletin.oxfordjournals.org/

 Abstract

Attention deficits, among other cognitive deficits, are frequently observed in schizophrenia. Although valid and reliable neurocognitive tasks have been established to assess attention deficits in schizophrenia, the hierarchical value of those tests as diagnostic discriminants on a single-subject level remains unclear. Thus, much research is devoted to attention deficits that are unlikely to be translated into clinical practice. On the other hand, a clear hierarchy of attention deficits in schizophrenia could considerably aid diagnostic decisions and may prove beneficial for longitudinal monitoring of therapeutic advances.

To propose a diagnostic hierarchy of attention deficits in schizophrenia, we investigated several facets of attention in 86 schizophrenia patients and 86 healthy controls using a set of established attention tests. We applied state-of-the-art machine learning algorithms to determine attentive test variables that enable an automated differentiation between schizophrenia patients and healthy controls. After feature preranking, hypothesis building, and hypothesis validation, the polynomial support vector machine classifier achieved a classification accuracy of 90.70% ± 2.9% using psychomotor speed and 3 different attention parameters derived from sustained and divided attention tasks.

Our study proposes, to the best of our knowledge, the first hierarchy of attention deficits in schizophrenia by identifying the most discriminative attention parameters among a variety of attention deficits found in schizophrenia patients. Our results offer a starting point for hierarchy building of schizophrenia-associated attention deficits and contribute to translating these concepts into diagnostic and therapeutic practice on a single-subject level.