Universität zu Köln

Walter, Nina Carolin ORCID: 0000-0001-8913-6120 (2023). The role of cognition in the prediction of social functioning in Recent Onset Psychosis. PhD thesis, Universität zu Köln.

PDF (Dissertationsschrift) Endversion_Dissertation_Walter_Nina_ohne_Unterschrift.pdf - Accepted Version Download (6MB)

Abstract

Cognitive impairments are among the primary symptoms in the clinical presentation of psychotic disorders. Especially in Recent Onset Psychosis (ROP), cognitive deficits emerge early in the course of the disease and adversely affect several aspects of everyday life. Despite numerous years of clinical research, addressing them effectively remains challenging. In recent years, a clear link has been established between cognition and social functioning in ROP. Cognitive impairments are associated with poor long-term social functioning, while impairments in social cognition serve as a good prognostic indicator of poor functional outcome post-episodic. Cognitive training (CT) is recommended in clinical guidelines as one of the most significant complementary therapies for enhancing cognitive impairments in the domains of attention, working memory, executive functioning, and social cognition. Although several meta-analyses reported small to moderate effects of CT on cognition, the therapy response to CT remains heterogeneous, making targeted treatment demanding. Machine learning (ML) techniques are increasingly used in psychiatric research to predict and stratify clinical outcomes at an individual level. While there are several neuroimaging-based ML studies for predicting clinical outcomes, the evidence regarding cognition-based ML predictions in psychosis is limited. We used multivariate pattern analysis (MVPA) to examine whether cognitive data can predict the enhancement of social functioning following 10 hours of CT in ROP patients. A Support Vector Machine (SVM) classifier was trained on cognitive baseline data of 70 ROP patients of the naturalistic Personalized Prognostic Tools for Early Psychosis Management (PRONIA) study sample to predict social functioning in an independent sample. Within this original classification model, social functioning was predicted with a balanced accuracy (BAC) of 66.4%. Next, the SVM classifier was applied to an intervention sample that obtained 54 ROP patients. Participants of the intervention sample were randomly assigned to a social cognitive training (SCT) or treatment as usual (TAU) group and dichotomized into good (GF-S ≥7) and poor (GF-S <7) functioning patients based on their level of Global Functioning-Social (GF-S) score at follow-up (FU). By using out-of-sample cross-validation (OOCV), social functioning in the intervention sample was predicted with a BAC of 59.3% at baseline (T0) and with a BAC of 64.8% at FU 6 weeks after the intervention. After SCT intervention, a significant improvement in predicted social functioning values was observed in the SCT compared to TAU group (P = <0.05; ES[Cohens’d] = 0.18). These findings suggest that the use of baseline cognitive data could provide a robust individual estimate of future social functioning and therapy response to CT. Due to a small sample size and modest cognitive and functional variability in response to CT within the intervention sample, it was not feasible to analyze individual characteristics predictive of a good therapy response in the current study. Large-scale studies with participants showing greater cognitive and functional variability in response to CT are needed to replicate our results and to further analyze the cognitive pattern predictive of a good therapy response to CT.

Item Type:	Thesis (PhD thesis)
Translated title:	Title Language Die Rolle der Kognition bei der Vorhersage der sozialen Funktionsfähigkeit bei kürzlich auftretender Psychose English
Translated abstract:	Abstract Language Kognitive Beeinträchtigungen gehören zu den primären Symptomen bei der klinischen Präsentation psychotischer Störungen. Insbesondere bei einer neu auftretenden Psychose (Recent Onset Psychosis, ROP) treten kognitive Defizite schon früh im Krankheitsverlauf auf und können verschiedene Aspekte des alltäglichen Lebens beeinträchtigen. Trotz zahlreicher Jahre klinischer Forschung ist es nach wie vor eine Herausforderung, kognitive Defizite effektiv zu behandeln. In den letzten Jahren konnte ein klarer Zusammenhang zwischen Kognition und sozialem Funktionieren bei ROP festgestellt werden. Kognitive Beeinträchtigungen sind mit einem schlechten langfristigen sozialen Funktionsniveau assoziiert, während Beeinträchtigungen der sozialen Kognition als guter prognostischer Indikator für ein schlechtes funktionelles Outcome nach einer Krankheitsepisode dienen. Kognitives Training (CT) wird in klinischen Studien als eine der wichtigsten ergänzenden Therapien zur Verbesserung kognitiver Beeinträchtigungen in den Bereichen Aufmerksamkeit, Arbeitsgedächtnis, exekutive Funktion und soziale Kognition empfohlen. Obwohl mehrere Meta-Analysen über geringe bis mäßige Auswirkungen von CT auf die Kognition berichten 9,12,13, bleibt das Therapieansprechen auf CT heterogen, was eine gezielte Behandlung anspruchsvoll macht. Verfahren des maschinellen Lernens (ML) werden in der psychiatrischen Forschung zunehmend eingesetzt, um klinische Ergebnisse auf individueller Ebene vorherzusagen und zu stratifizieren. Während es mehrere ML-Strategien basierend auf neuronaler Bildgebung zur Vorhersage klinischer Ergebnisse gibt, ist die Evidenz für kognitionsbasierte ML-Vorhersagen bei Psychosen begrenzt. Wir haben eine multivariate Musteranalyse (multivariate pattern analysis, MVPA) verwendet, um zu untersuchen, ob Veränderungen der sozialen Funktionsfähigkeit nach 10 Stunden CT innerhalb von 4-6 Wochen bei ROP-Patientinnen und -Patienten basierend auf kognitiven Daten vorhergesagt werden können. Ein Support Vector Machine (SVM)-Klassifikator wurde auf den kognitiven Daten von 70 ROP-Patientinnen und -Patienten der PRONIA-Studienstichprobe (Personalized Prognostic Tools for Early Psychosis Management) trainiert, um das soziale Funktionieren in einer unabhängigen Stichprobe vorherzusagen. Die soziale Funktionsfähigkeit konnte dabei von unserem Klassifikationsmodell mit einer ausgewogenen Genauigkeit (balanced accuracy, BAC) von 66,4% vorhergesagt werden. Anschließend wurde der ursprüngliche SVM-Klassifikator auf eine Interventionsstichprobe angewendet, die 54 ROP-Patientinnen und -Patienten umfasste. Die Teilnehmerinnen und Teilnehmer der Interventionsstichprobe wurden nach dem Zufallsprinzip einer Gruppe für soziales kognitives Training (SCT) oder einer Gruppe für die übliche Behandlung (treatment as usual, TAU) zugewiesen und anhand ihres Global Functioning-Social (GF-S) -Scores zum Zeitpunkt der Nachuntersuchung (follow-up, FU) in gut (GF-S ≥7) und schlecht (GF-S <7) funktionierende Patientinnen und Patienten eingeteilt. Mittels out-of-sample-cross-validation (OOCV) wurde das soziale Funktionsniveau in der Interventionsstichprobe mit einer BAC von 59,3% zum Zeitpunkt des Studieneinschlusses (T0) und mit einer BAC von 64,8% zum Zeitpunkt des FU 6 Wochen nach der Intervention vorhergesagt. Nach der SCT-Intervention wurde eine signifikante Verbesserung der vorhergesagten Werte für die soziale Funktionsfähigkeit in der SCT-Gruppe im Vergleich zur TAU-Gruppe beobachtet (P = <0,05; ES[Cohens'd] = 0,18). Diese Ergebnisse deuten darauf hin, dass die Verwendung von kognitiven Ausgangsdaten eine robuste individuelle Schätzung der künftigen sozialen Funktionsfähigkeit und des Therapieansprechens auf CT liefern könnte. Aufgrund des geringen Stichprobenumfangs sowie geringer kognitiver und funktioneller Gewinne durch CT innerhalb der Interventionsstichprobe war es in der aktuellen Studie nicht möglich, Charakteristika für ein positives individuelles Ansprechen auf die SCT-Intervention vorherzusagen. Größer angelegte Studien sind notwendig, um unsere Ergebnisse in einer Stichprobe mit höherer kognitiver und funktioneller Variabilität zu replizieren und das kognitive Muster, welches prädiktiv für ein positives Therapieansprechen auf CT ist, näher zu untersuchen. English
Creators:	Creators Email ORCID ORCID Put Code Walter, Nina Carolin nwalter2405@gmail.com orcid.org/0000-0001-8913-6120 UNSPECIFIED
Corporate Creators:	Universität zu Köln
URN:	urn:nbn:de:hbz:38-785043
DOI:	10.1016/j.pnpbp.2023.110864
Date:	2023
Publisher:	Elsevier
Place of Publication:	Progress in Neuro-Psychopharmacology and Biological Psychiatry
Language:	English
Faculty:	Faculty of Medicine
Divisions:	Faculty of Medicine > Psychiatrie und Psychotherapie > Klinik und Poliklinik für Psychiatrie und Psychotherapie
Subjects:	Medical sciences Medicine
Uncontrolled Keywords:	Keywords Language Prediction of social functioning; Recent Onset Psychosis; Cognitive training; Machine learning English
Date of oral exam:	29 April 2025
Referee:	Name Academic Title Kambeitz, Joseph Universitätsprofessor Dr. med. Dipl.-Psych. Kuhn, Jens Professor Dr. med. habil.
Refereed:	Yes
URI:	http://kups.ub.uni-koeln.de/id/eprint/78504