The number of children and adolescents diagnosed with bipolar disorders has increased dramatically since the mid-1990s, while the treatment literature has failed to keep pace. Few studies have explored any aspect of the educational functioning of this population, and no empirically supported educational interventions have been identified. As a result, school psychologists have little guidance regarding how to effectively serve these students. In this study, case study methodology was utilized to explore the effectiveness of placement in a therapeutic day school as an educational intervention package for eleven (n=11) children and adolescents diagnosed with bipolar disorders. Both quantitative and qualitative data were utilized, and within- and cross-case analyses were conducted. Academic performance was examined in the areas of reading, mathematics, writing, science, and social studies. Behavioral/social-emotional performance was explored in the areas of on task/work completion, compliant (i.e., following instructions), and physically aggressive behaviors, as well as social skills and coping skills. Results indicated that a majority of students with bipolar disorders at least sustained performance in areas of relative academic and behavioral/social-emotional strength, improved performance in areas of relative academic and behavioral/social-emotional weakness, achieved positive immediate educational outcomes (e.g., upper levels of school's behavior modification level system, re-integration into home schools), and ameliorated referral concerns. Interestingly, all students in this study exhibited relative weaknesses in social and coping skills. Nearly all students demonstrated a relative weakness in mathematics. Another important finding of this study was the identification of two distinct patterns of physically aggressive behavior: a "spike" pattern and a "low levels" pattern. All students exhibited one of these two patterns, either in full or emerging form. In general, placement in a therapeutic day school was determined to be an effective educational intervention package for students with bipolar disorders. However, degrees, rates, and patterns of success were variable. Future studies should attempt to parse out the treatments that comprised this study's intervention package in an effort to find effective treatments for children and adolescents with bipolar disorders.

The problem addressed in this project was poor medication acceptance among patients with bipolar disorder in an outpatient psychiatric clinic. The practice-focused question asked about the factors that contribute to medication nonacceptance in patients with bipolar disorders and further sought to determine strategies that promote medication acceptance. The project took place in an outpatient psychiatric clinic in the southern United States. The Iowa model and the Orem self-care deficit nursing theory were used to guide the project. Deidentified data from 55 patients in an outpatient mental health clinic formed the basis of the project. The data included a survey made up of 6 open-ended questions asking about reasons for not taking prescribed medications. A second source of deidentified data was the results of the medication adherence questionnaire, a Likert-style questionnaire that asked about the level of adherence to medications. Qualitative data were examined by manually coding the results, and the quantitative questions were analyzed for frequencies and percentages. Results from the analyses indicated that 70% of patients with bipolar disorder had missed doses of medications and were not adherent to their prescribed medications. Results of the project were then used to develop recommendations for addressing medication nonadherence among patients with bipolar disorder. Recommendations included education for nursing staff on how to teach patients and their families the advantages of medication adherence and to promote self-care consistent with Orem's model of self-care. Positive social change is possible as a result of this project as patients with bipolar disorders learn self-care strategies for medication adherence.

Introduction: There remains a lack of theoretical models which can adequately account for the key features of bipolar disorders (Power, 2005). Objectives: Firstly, to test the predictions made by the SPAARS model that mania is predominantly characterised by the coupling of happiness with anger, while depression (unipolar and bipolar) primarily comprises of a coupling between sadness and disgust. Secondly, to investigate and compare the coping strategies employed to regulate positive and negative emotion between bipolar, unipolar and control groups. Design: A cross sectional design was employed to examine the differences within and between the bipolar, unipolar and control groups in the emotions experienced and the strategies used to regulate emotion. Data were analysed using ANOVAs. Method: Psychiatric diagnoses in the clinical groups were confirmed using the SCID. Current mood state was measured using the BDI-II, STAI and the MAS. The Basic Emotion Scale was used to explore the emotional profiles and the Regulation of Emotion Questionnaire was used to measure coping strategies. Results: The results confirmed the predictions made by the SPAARS model about the emotions in mania and depression. Elevated levels of disgust were also found in the bipolar group generally. The clinical groups used internal dysfunctional strategies more often than the controls for negative emotion. The bipolar group used external dysfunctional strategies more frequently than the controls for positive emotion. Conclusion: The results support the predictions made by the SPAARS model and suggest that disgust plays a key role in bipolar disorder. Strengths and limitations are discussed and suggestions for future research are explored.

Introduction : Près de 60% des patients bipolaires stabilisés souffrent de déficits cognitifs associés à des troubles du fonctionnement psychosocial. En l’absence de traitement, ces troubles sont susceptibles de persister tout au long de la vie. Malgré cela, les déficits cognitifs ont longtemps été ignorés dans les troubles bipolaires et il n’existe que peu d’études à l’heure actuelle ciblant cette problématique. Méthodologie : Nous avons développé le programme individuel écologique de remédiation cognitive ECo, élaboré pour les troubles de l’humeur. Nous avons mené une série d’études empiriques afin d’explorer les corrélats psychologiques des troubles cognitifs, ainsi que l’amélioration cognitive, fonctionnelle et psychologique de patients bipolaires suite à une intervention en remédiation cognitive ou une psychothérapie individuelle.Résultats : Les troubles métacognitifs pourraient être associés à une augmentation de la fréquence des activités des patients et à une fragilisation sur le plan cognitif et émotionnel. La remédiation cognitive, et en particulier le programme ECo, a permis d’améliorer les capacités de résolution de problèmes dans notre population. Le programme ECo peut normaliser les fonctions cognitives déficitaires et la régulation métacognitive chez certains patients, mais peut également améliorer la résistance aux facteurs de stress, le contrôle émotionnel, l’ouverture aux relations et l’estime de soi.Conclusion : Un programme de remédiation cognitive écologique et individualisé, centré sur la métacognition et le sentiment d’efficacité personnelle, peut contribuer à améliorer des composantes de la santé fonctionnelle chez les patients bipolaires. / Background: Nearly sixty percent of stabilized bipolar patients suffer from important cognitive impairments that lead to significant functional disabilities. Without proper treatment, these impairments remain throughout lifespan. However, cognitive deficits in bipolar disorders have been overlooked and only a few studies investigated treatments to improve cognitive functioning for bipolar patients. Method: We developed ECo, an individual ecological cognitive remediation intervention that was designed for mood disorders. We conducted experimental studies to investigate psychological correlates of cognitive impairments, and the cognitive, functional and psychological improvements of bipolar patients after either cognitive remediation or individual psychotherapy.Results: Our results suggest that metacognitive impairments lead to an increased frequency of everyday life activities that can create a cognitive and emotional overload. We observed that cognitive remediation, and in particular the ECo program, can improve problem solving skills in our population. The ECo program can improve impaired cognitive functions and metacognitive regulation, as well as coping skills, emotional control, openness to relationships and self-esteem.Conclusion: An ecological, individualized cognitive remediation program, targeting metacognition and self-efficacy, can contribute to an improvement of functional health components in bipolar disorders.

Deficits in a number of cognitive domains have been associated with core symptoms of schizophrenia, including working memory, attention, motor skills, reaction time, episodic memory and executive function. Bipolar Disorder is also associated with cognitive impairment; however the level of impairment appears to be less severe than that seen in schizophrenia. A translocation (t(1;11)) containing the Disrupted-in-Schizophrenia 1 (DISC1) gene has been found to be highly associated with schizophrenia, bipolar disorder and major depressive disorder. As such, this gene has been the focus of much research and to date DISC1 has been found to be associated with brain development, brain structure and the glutamate system - all key factors in current models of schizophrenia and affective disorders. The aim of this PhD is to identify cognitive domains that are differentially impaired or unimpaired in a large Scottish family, some of whom carry this rare DISC1 variant, a balanced translocation (t (1;11) (q 42; q14.3)), that segregates with schizophrenia and affective disorders, as well as psychiatric patients with schizophrenia and bipolar disorder and healthy control subjects. All participants have undergone standardised cognitive assessments to measure premorbid I.Q. (NART), current I.Q. (WASI) verbal memory, working memory, verbal fluency, processing speed, motor skills, executive function (BACS) and selected CANTAB tasks to assess simple and five-choice reaction time. Polygenic risk profile scores and self-report questionnaire data have also been investigated. Results indicate an impact of the DISC1 t(1;11) translocation on general intelligence and attention and processing speed. Significant differences were also identified between DISC1 t(1;11) carriers and non-carriers on self-report questionnaire data. Mean scores for polygenic risk for bipolar disorder were significantly different between DISC1 t(1;11) carriers and non-carriers and polygenic risk for schizophrenia was significantly associated with symptom severity, as measured by the Positive and Negative Symptom Scale (PANSS). Within the patient groups, a measure of processing speed (the token motor task) was found to be significantly different between those with schizophrenia and bipolar disorder and there was also a trend for attention and processing speed. As expected, I.Q. was significantly different between patients and control participants. Clinical ratings were significantly associated with neuropsychological and self-report measures. Polygenic risk for major depressive disorder was found to be significantly associated with impaired general intelligence (current IQ) and slowed reaction time in patients who were not currently depressed, suggesting there may be genetic risk markers in this population which impact on cognition. This is a novel finding and further suggests the possibility of a biological component related to the genetics of depression. In conclusion, and in line with the literature, psychosis has a negative impact on cognition with reduced performance across several neuropsychological tasks between patient groups, with schizophrenia patients performing worse than patients with bipolar disorder and both patient groups performing worse than healthy control participants. Cognition is markedly more impaired in DISC1 t(1;11) translocation carriers and especially in those with psychosis. The DISC1 t(1;11) translocation and psychosis may therefore confer a “double hit” on cognition - in addition to psychosis itself - which is known to impair cognitive function, significantly increasing the level of cognitive impairment and increasing the risk for psychosis in general.

Hintergrund: Die zuverlässige Erkennung von Frühwarnzeichen bei Bipolaren Erkrankungen ist für die Prä-vention neuer Krankheitsepisoden von essentieller Bedeutung (Morriss et al., 2007), unterliegt in der Durchführung im klinischen Alltag jedoch verzerrungsbedingt einigen Schwierigkeiten (Kessler et al., 2000; Solhan et al., 2009). Manchen dieser Schwierigkeiten kann mittels ambu-lantem Assessment begegnet werden (Trull & Ebner-Priemer, 2013). Für eine Erkennung und Differenzierung affektiver Zustandsbilder mittels kontinuierlicher Erfassung objektiver verhal-tensorientierter Parameter per Smartphone in Echtzeit im Alltag der Patienten existieren einige Hinweise (Abdullah et al, 2016; Beiwinkel et al., 2016; Faurholt-Jepsen et al., 2016b; Grünerbl et al., 2015; Palmius et al., 2017). Hierbei zeigen sich jedoch teils recht heterogene Befunde, möglicherweise mitbedingt durch Studiendesigns mit kurzen Beobachtungszeiträumen, gerin-gen Fallzahlen und seltenen Fremdratings. Durch ein entsprechend längerfristig angelegtes Design mit häufigen Fremdratings versucht die vorliegende Arbeit eine breitere Datengrundla-ge zu schaffen. Fragestellung: Auf dieser Basis wird die Fragestellung untersucht, welche mittels ambulantem Assessment erhobenen verhaltensorientierten Parameter aus den Bereichen Kommunikation, Bewegung und Aktivität (hypo)manische und depressive Zustandsbilder abbilden und affektive Episoden statistisch vorhersagen können. Methode: Hierfür wurden bei 29 bipolaren Patienten über jeweils 12 Monate über eine App sowie einen am Handgelenk zu tragenden Bewegungssensor kontinuierlich objektive verhaltensorientierte Parameter aus den Bereichen Kommunikation, Aktivität und Bewegung aufgezeichnet. Zusätz-lich wurden von den Patienten abendliche subjektive Abfragen zu Stimmung, Schlaf und Medi-kation beantwortet. Psychodiagnostische Interviews zur Erhebung aktueller affektiver Symp-tome fanden 14-tägig statt. Hierbei kamen verschiedene dimensionale Ratingskalen zur Ein-schätzung aktueller (hypo)manischer und depressiver Symptomatik zum Einsatz (YMRS, BRMRS und MADRS). Weiterhin wurde mittels der Kriterien des DSM-5 geprüft, inwiefern zum jeweiligen Zeitpunkt die Kriterien für eine manische, hypomane oder depressive Episode erfüllt waren. Der vorliegende, hierarchisch strukturierte Datensatz wurde mittels Mehrebenenanaly-sen untersucht. Zur Vorhersage der dimensionalen Outcomes wurden lineare gemischte Mo-delle gerechnet, für die Vorhersage der kategorialen Outcomes generalisierte lineare gemisch-te Modelle. Die Modellbildung erfolgte in drei Schritten. Zunächst ging jeder der 52 erfassten Parameter als einzelner Prädiktor in ein Multilevelmodell ein. In einem zweiten Schritt wurden, zusammengefasst nach den übergeordneten inhaltlichen Konstrukten, nur Prädiktoren mit aus-reichenden Signifikanzen aus dem ersten Schritt in die Modelle aufgenommen. Für die Bildung des Gesamtmodells wurde anhand der im vorhergehenden Schritt potentesten Prädiktoren schrittweise diejenige Variablenkombination ermittelt, welche die jeweilige Outcomevariable am besten statistisch vorhersagen konnte. Dieses Vorgehen wurde für alle Outcomevariablen praktiziert. Ergebnisse: Es liegen zahlreiche signifikante Effekte einiger der erfassten Parameter für die Prädiktion der Manie- und Depressionsskalenwerte sowie für die Prädiktion affektiver Phasen vor. Zusam-mengefasst scheint die Anzahl schlaflos verbrachter Stunden gut geeignet zu sein, sowohl manische (weniger schlaflose Stunden) als auch depressive Symptomatik (mehr schlaflose Stunden) vorherzusagen. Hinsichtlich sozialer Kommunikation kann die Anzahl eingehender Anrufe als genereller Marker für das Vorliegen affektiver Symptomatik angesehen werden. Weiterhin scheint eine erhöhte Häufigkeit, mit der sich eine Person zu Fuß fortbewegt, (hy-po)manische Symptomatik gut vorhersagen zu können. Je mehr respektive weniger Aktivität der Aktigraph verzeichnet, umso wahrscheinlicher liegt vermehrt (hypo)manische respektive depressive Symptomatik vor. Schlussfolgerungen: Die Vielzahl an teils auch fragmentarischen und heterogenen Befunden durch gewisse inhaltli-che Überlappungen der verschiedenen Outcomevariablen sowie durch Überschneidungen auf Prädiktorseite sollte kritisch betrachtet werden. Ein alternativer Ansatz für die Entwicklung glo-balerer und generalisierbarer Modelle zur Vorhersage von Manie und Depressivität durch Ver-wendung latenter Variablen auf Kriteriums- wie auch auf Prädiktorseite wird diskutiert. Grund-sätzlich lassen die hier beschriebenen Ergebnisse darauf schließen, dass diverse, über eine Smartphone-App erfasste Verhaltensparameter im Zusammenhang mit affektiver Symptomatik bipolarer Störungen stehen. Nach weiteren, sorgfältigen Effektivitätsprüfungen im Rahmen von Interventionsstudien könnten demnach die hier beschriebenen Parameter in eine technisch gesteuerte beziehungsweise unterstützte Frühwarnzeichenerkennung für die Vorhersage und nachfolgende Abschwächung oder Abwendung depressiver und manischer Episoden Eingang finden.:TABELLENVERZEICHNIS ABBILDUNGSVERZEICHNIS ABKÜRZUNGSVERZEICHNIS 1 EINLEITUNG 2 THEORETISCHER HINTERGRUND 2.1. Bipolare Erkrankungen 2.2. Ambulantes Assessment 2.3. Aktuelle Forschungslage zu ambulantem Assessment bei Bipolaren Erkrankungen 2.4. Inhaltliche Hypothesen 3 METHODE 3.1. Stichprobe 3.2. Ablauf 3.3. Datenquellen 3.3.1. MovisensXS-App 3.3.2. Beschleunigungssensor 3.3.3. Selbstbeobachtung 3.3.4. Fremdrating des aktuellen psychopathologischen Status 3.4. Management, Speicherung und Parametrisierung der Daten 3.5. Statistische Hypothesen 3.6. Statistische Auswertung 3.6.1. Deskriptive Datenanalyse 3.6.2. Dimensionale Fremd- und Selbstratings 3.6.3. Kategoriale Fremdratings 4 ERGEBNISSE 4.1. Rekrutierung und Vollständigkeit der erhobenen Daten 4.2. Explorative Datenanalyse der within-zentrierten Prädiktorvariablen 4.3. Explorative Datenanalyse der within-zentrierten Outcomevariablen 4.4. Statistische Vorhersage dimensionaler Fremdratings durch smartphonebasierte Parameter 4.4.1. Statistische Vorhersage der YMRS-Werte durch smartphonebasierte Parameter 4.4.1.1. Einzelmodelle: statistische Vorhersage der YMRS-Werte durch Einzelparameter 4.4.1.2. Aggregation: statistische Vorhersage der YMRS-Werte durch Bildung von sechs Modellen für die einzelnen Konstrukte 4.4.1.3. Gesamtmodell: statistische Vorhersage der YMRS-Werte durch Aggregation der Prädiktoren aus den Konstruktmodellen 4.4.2. Statistische Vorhersage der BRMRS-Werte durch smartphonebasierte Parameter 4.4.2.1. Einzelmodelle: statistische Vorhersage der BRMRS-Werte durch Einzelparameter 4.4.2.2. Aggregation: statistische Vorhersage der BRMRS-Werte durch Bildung von sechs Modellen für die einzelnen Konstrukte 4.4.2.3. Gesamtmodell: statistische Vorhersage der BRMRS-Werte durch Aggregation der Prädiktoren aus den Konstruktmodellen 4.4.3. Statistische Vorhersage der MADRS-Werte durch smartphonebasierte Parameter 4.4.3.1. Einzelmodelle: statistische Vorhersage der MADRS-Werte durch Einzelparameter 4.4.3.2. Aggregation: statistische Vorhersage der MADRS-Werte durch Bildung von sechs Modellen für die einzelnen Konstrukte 4.4.3.3. Gesamtmodell: statistische Vorhersage der MADRS-Werte durch Aggregation der Prädiktoren aus den Konstruktmodellen 4.5. statistische Vorhersage dimensionaler Selbstratings der Stimmung durch smartphonebasierte Parameter 4.5.1. Einzelmodelle: statistische Vorhersage der Stimmungs-Werte durch Einzelparameter 4.5.2. Aggregation: statistische Vorhersage der Stimmungs-Werte durch Bildung von sechs Modellen für die einzelnen Konstrukte 4.5.3. Gesamtmodell: statistische Vorhersage der Stimmungs-Werte durch Aggregation der Prädiktoren aus den Konstruktmodellen 4.6. Statistische Vorhersage kategorialer Fremdratings durch smartphonebasierte Parameter 4.6.1. Statistische Vorhersage des Vorliegens als (hypo)manisch vs. euthym klassifizierter Tage 4.6.1.1. Einzelmodelle: statistische Vorhersage des Vorliegens als (hypo) manisch vs. euthym klassifizierter Tage durch Einzelparameter 4.6.1.2. Aggregation: statistische Vorhersage des Vorliegens als (hypo) manisch vs. euthym klassifizierter Tage durch Bildung von sechs Modellen für die einzelnen Konstrukte 4.6.1.3. Gesamtmodell: statistische Vorhersage des Vorliegens als (hypo) manisch vs. euthym klassifizierter Tage durch Aggregation der Prädiktoren aus den Konstruktmodellen 4.6.2. Statistische Vorhersage des Vorliegens als depressiv vs. euthym klassifizierter Tage 4.6.2.1. Einzelmodelle: statistische Vorhersage des Vorliegens als depressiv vs. euthym klassifizierter Tage durch Einzelparameter 4.6.2.2. Aggregation: statistische Vorhersage des Vorliegens als depressiv vs. euthym klassifizierter Tage durch Bildung von sechs Modellen für die einzelnen Konstrukte 4.6.2.3. Gesamtmodell: statistische Vorhersage des Vorliegens als depressiv vs. euthym klassifizierter Tage durch Aggregation der Prädiktoren aus den Konstruktmodellen 4.6.3. Statistische Vorhersage des Vorliegens als (hypo)manisch vs. depressiv klassifizierter Tage 4.6.3.1. Einzelmodelle: statistische Vorhersage des Vorliegens als (hypo) manisch vs. depressiv klassifizierter Tage durch Einzelparameter..... 4.6.3.2. Aggregation: statistische Vorhersage des Vorliegens als (hypo) manisch vs. depressiv klassifizierter Tage durch Bildung von sechs Modellen für die einzelnen Konstrukte 4.6.3.3. Gesamtmodell: statistische Vorhersage des Vorliegens als (hypo) manisch vs. depressiv klassifizierter Tage durch Aggregation der Prädiktoren aus den Konstruktmodellen 5 DISKUSSION 5.1. Stärken und Limitationen des Studiendesigns 5.2. Vorhersage der Outcomevariablen durch Kommunikationsparameter 5.3. Vorhersage der Outcomevariablen durch Bewegungsparameter 5.4. Vorhersage der Outcomevariablen durch allgemeine Aktivitäts- und Schlafparameter 5.5. Ausblick 6 ZUSAMMENFASSUNG 6.1 Zusammenfassung 6.2 Summary 7 LITERATURVERZEICHNIS 8 ANHANGSVERZEICHNIS 9 ANHANG ERKLÄRUNGEN / Background: The reliable detection of early warning signs for bipolar disorders is essential for the prevention of new illness episodes (Morriss et al., 2007), but is subject to challenges in everyday clinical practice (Kessler et al., 2000; Solhan et al., 2009). Some of these challenges can be overcome by ambulatory assessment (Trull & Ebner-Priemer, 2013). Evidence of positive indicators for the detection and differentiation of affective states by means of continuous real-time monitoring of objective behavioural parameters via smartphone in patients’ daily lives has already been reported (Abdullah et al, 2016; Beiwinkel et al., 2016; Faurholt-Jepsen et al., 2016b; Grünerbl et al., 2015; Palmius et al., 2017). However, findings have shown to be partially heterogene-ous, possibly due to short observation periods, small sample sizes and an infrequent number of clinical ratings in current study designs. In establishing a suitably long-term design with more frequent clinical ratings, this study attempts to expand the existing database significantly. Objective: Accordingly, this study investigates the statistical predictability of affective episodes by way of capturing behavioral parameters in the fields of communication, movement and activity, as-sessed via ambulatory assessment. Methods: For this purpose, 29 bipolar patients were continuously monitored with an app and a wrist-worn actigraph for 12 months each. The objective parameters recorded were communication, activi-ty and movement. In addition, patients answered subjective questions on mood, sleep and medication every evening. Psychodiagnostic interviews to assess current affective symptoms were conducted every 14 days. Various dimensional rating scales were used to assess current (hypo)manic and depressive symptoms (YMRS, BRMRS and MADRS). Furthermore, the DSM-5 criteria were used to assess to which extent the criteria for a manic, hypomanic or de-pressive episode were met at the time. The hierarchically structured data set was examined using multilevel analysis. Linear mixed models were used to predict the dimensional outcomes and generalized linear mixed models were used to predict the categorical outcomes. The mod-elling was performed in three steps. First, each of the 52 recorded parameters was included as a single predictor in a multilevel model. In a second step, only those predictors which were significant parameters in the first step, were included in the models, representing content-related higher-level constructs of communication, sleep and activity. Thirdly, a combination of variables was identified for the overall model that could best statistically predict the respective outcome variable on the basis of the most promising variables of step two. This procedure was carried out for all outcome variables. Results: We revealed numerous significant parameters for the prediction of mania and depression rat-ings as well as affective episodes. In summary, the number of hours spent sleepless seems to be well suited to predict both manic (less sleepless hours) and depressive symptoms (more sleepless hours). Regarding social communication, the number of incoming calls can be con-sidered as a general marker for the presence of affective symptoms. Furthermore, an in-creased frequency with which a person moves on foot seems to predict (hypo)manic symp-toms well. The more activity is registered by the actigraph, the more likely it is that (hypo)manic symptoms will be present with depressive symptoms being more likely for less activity. Conclusions: The variety of partly fragmented and heterogeneous findings due to certain overlaps in content of the various outcome variables as well as overlaps regarding the predictors should be con-sidered critically in future studies. We discussed using latent variables for both criteria and predictors as an alternative approach achieving more stable results. Basically, the findings described here suggest that various behavioral parameters assessed via a smartphone app are associated with affective symptoms of bipolar disorders. We propose that after further, careful effectiveness and intervention studies, the parameters described here could be used in a technically controlled or supported detection of early warning signs for the prediction and subsequent attenuation or prevention of depressive and manic episodes.:TABELLENVERZEICHNIS ABBILDUNGSVERZEICHNIS ABKÜRZUNGSVERZEICHNIS 1 EINLEITUNG 2 THEORETISCHER HINTERGRUND 2.1. Bipolare Erkrankungen 2.2. Ambulantes Assessment 2.3. Aktuelle Forschungslage zu ambulantem Assessment bei Bipolaren Erkrankungen 2.4. Inhaltliche Hypothesen 3 METHODE 3.1. Stichprobe 3.2. Ablauf 3.3. Datenquellen 3.3.1. MovisensXS-App 3.3.2. Beschleunigungssensor 3.3.3. Selbstbeobachtung 3.3.4. Fremdrating des aktuellen psychopathologischen Status 3.4. Management, Speicherung und Parametrisierung der Daten 3.5. Statistische Hypothesen 3.6. Statistische Auswertung 3.6.1. Deskriptive Datenanalyse 3.6.2. Dimensionale Fremd- und Selbstratings 3.6.3. Kategoriale Fremdratings 4 ERGEBNISSE 4.1. Rekrutierung und Vollständigkeit der erhobenen Daten 4.2. Explorative Datenanalyse der within-zentrierten Prädiktorvariablen 4.3. Explorative Datenanalyse der within-zentrierten Outcomevariablen 4.4. Statistische Vorhersage dimensionaler Fremdratings durch smartphonebasierte Parameter 4.4.1. Statistische Vorhersage der YMRS-Werte durch smartphonebasierte Parameter 4.4.1.1. Einzelmodelle: statistische Vorhersage der YMRS-Werte durch Einzelparameter 4.4.1.2. Aggregation: statistische Vorhersage der YMRS-Werte durch Bildung von sechs Modellen für die einzelnen Konstrukte 4.4.1.3. Gesamtmodell: statistische Vorhersage der YMRS-Werte durch Aggregation der Prädiktoren aus den Konstruktmodellen 4.4.2. Statistische Vorhersage der BRMRS-Werte durch smartphonebasierte Parameter 4.4.2.1. Einzelmodelle: statistische Vorhersage der BRMRS-Werte durch Einzelparameter 4.4.2.2. Aggregation: statistische Vorhersage der BRMRS-Werte durch Bildung von sechs Modellen für die einzelnen Konstrukte 4.4.2.3. Gesamtmodell: statistische Vorhersage der BRMRS-Werte durch Aggregation der Prädiktoren aus den Konstruktmodellen 4.4.3. Statistische Vorhersage der MADRS-Werte durch smartphonebasierte Parameter 4.4.3.1. Einzelmodelle: statistische Vorhersage der MADRS-Werte durch Einzelparameter 4.4.3.2. Aggregation: statistische Vorhersage der MADRS-Werte durch Bildung von sechs Modellen für die einzelnen Konstrukte 4.4.3.3. Gesamtmodell: statistische Vorhersage der MADRS-Werte durch Aggregation der Prädiktoren aus den Konstruktmodellen 4.5. statistische Vorhersage dimensionaler Selbstratings der Stimmung durch smartphonebasierte Parameter 4.5.1. Einzelmodelle: statistische Vorhersage der Stimmungs-Werte durch Einzelparameter 4.5.2. Aggregation: statistische Vorhersage der Stimmungs-Werte durch Bildung von sechs Modellen für die einzelnen Konstrukte 4.5.3. Gesamtmodell: statistische Vorhersage der Stimmungs-Werte durch Aggregation der Prädiktoren aus den Konstruktmodellen 4.6. Statistische Vorhersage kategorialer Fremdratings durch smartphonebasierte Parameter 4.6.1. Statistische Vorhersage des Vorliegens als (hypo)manisch vs. euthym klassifizierter Tage 4.6.1.1. Einzelmodelle: statistische Vorhersage des Vorliegens als (hypo) manisch vs. euthym klassifizierter Tage durch Einzelparameter 4.6.1.2. Aggregation: statistische Vorhersage des Vorliegens als (hypo) manisch vs. euthym klassifizierter Tage durch Bildung von sechs Modellen für die einzelnen Konstrukte 4.6.1.3. Gesamtmodell: statistische Vorhersage des Vorliegens als (hypo) manisch vs. euthym klassifizierter Tage durch Aggregation der Prädiktoren aus den Konstruktmodellen 4.6.2. Statistische Vorhersage des Vorliegens als depressiv vs. euthym klassifizierter Tage 4.6.2.1. Einzelmodelle: statistische Vorhersage des Vorliegens als depressiv vs. euthym klassifizierter Tage durch Einzelparameter 4.6.2.2. Aggregation: statistische Vorhersage des Vorliegens als depressiv vs. euthym klassifizierter Tage durch Bildung von sechs Modellen für die einzelnen Konstrukte 4.6.2.3. Gesamtmodell: statistische Vorhersage des Vorliegens als depressiv vs. euthym klassifizierter Tage durch Aggregation der Prädiktoren aus den Konstruktmodellen 4.6.3. Statistische Vorhersage des Vorliegens als (hypo)manisch vs. depressiv klassifizierter Tage 4.6.3.1. Einzelmodelle: statistische Vorhersage des Vorliegens als (hypo) manisch vs. depressiv klassifizierter Tage durch Einzelparameter..... 4.6.3.2. Aggregation: statistische Vorhersage des Vorliegens als (hypo) manisch vs. depressiv klassifizierter Tage durch Bildung von sechs Modellen für die einzelnen Konstrukte 4.6.3.3. Gesamtmodell: statistische Vorhersage des Vorliegens als (hypo) manisch vs. depressiv klassifizierter Tage durch Aggregation der Prädiktoren aus den Konstruktmodellen 5 DISKUSSION 5.1. Stärken und Limitationen des Studiendesigns 5.2. Vorhersage der Outcomevariablen durch Kommunikationsparameter 5.3. Vorhersage der Outcomevariablen durch Bewegungsparameter 5.4. Vorhersage der Outcomevariablen durch allgemeine Aktivitäts- und Schlafparameter 5.5. Ausblick 6 ZUSAMMENFASSUNG 6.1 Zusammenfassung 6.2 Summary 7 LITERATURVERZEICHNIS 8 ANHANGSVERZEICHNIS 9 ANHANG ERKLÄRUNGEN

No description available.

Background: Behavioral disturbances following chemotherapy with cisplatin are rare. Here, we report a patient with temporary loss of moral behavior in the setting of cisplatin-based chemotherapy for treatment of tonsillar cancer. Case presentation: A 66-year-old Caucasian male with no psychiatric or violent history was started on chemotherapy with cisplatin for treatment of tonsillar cancer. During the following weeks, the patient developed profound personality changes involving volatile emotions and impulsive aggression with verbal and physical assaults on others. Admitted to the hospital, the patient lacked any awareness that his behavior was wrong. Chemotherapy was discontinued and the patient was prescribed risperidone. Aside from mild cognitive impairment, comprehensive neuropsychological, neuroradiological and lab testing were unremarkable. Three weeks following cessation of chemotherapy, the patient had recovered to his original mental state and he was completely aware of his wrongdoing and social misconduct. Conclusion: Since neurotoxic effects of chemotherapeutics on the brain are not yet sufficiently elucidated, our case emphasizes that early signs of behavioral abnormalities in patients receiving chemotherapy should trigger comprehensive psychiatric evaluation and ongoing monitoring of the patients’ mental state.

No description available.

Nous proposons d'explorer électrophysiologiquement la question de l'accès au sens. Pour cela, nous nous intéressons particulièrement à deux ERPs. La composante N400 est classiquement associée à la prise en compte d'un contexte sémantique. La composante P600, moins explorée, est retrouvée lors de tâches syntaxiques, sémantiques ou non spécifiquement linguistiques. Nous avons décrit trois études électrophysiologiques en conditions naturelles de langage. La première étude nous a permis de valider l'usage de ce matériel original dans une population contrôle. Puis nous avons proposé le transfert clinique de ce protocole en conditions naturelles de langage auprès de patients souffrant de TAB (deuxième étude) et de schizophrénie (troisième étude, en cours). Nous avons retrouvé une composante N400 préservée dans les TAB, alors que les patients souffrant de schizophrénie présentent un profil ERP altéré, avec une compréhension perturbée des mots comme congruents au contexte sémantique. Après nous être interrogés sur la notion de transfert clinique, et la prudence nécessaire à l'interprétation de ces résultats en pratique clinique quotidienne, nous avons envisagé deux autres approches relatives à l'accès au sens. D'une part, nous avons repris un modèle linguistique issu des perspectives phénoménologique, structuraliste et morphodynamique, pour détailler un protocole expérimental en cours de réalisation, ainsi que des premiers résultats exploratoires obtenus en population contrôle. D'autre part, les données en première personne après entretien d'explicitation apportent une illustration subjective des phénomènes d'accès au sens mis en jeu dans les deux protocoles utilisés. / The aim of our projectwas to examine semantic access from an electrophysiological view. We specifically explored two Event-related Potentials (ERPs): N400, associated to semantic processing, and P600, associated to syntactic, semantic and non linguistic and general processes. In the first part of our project, we have explored these ERPs among healthy participants and psychiatric patients. People with schizophrenia exhibit thought and language disorders. In spite of common clinical manifestations with schizophrenia, patients with bipolar disorders (BDs) have rarely been assessed using neurolinguistic ERPs. We have conducted three electrophysiological studies in natural speech conditions. In the first study, we validated our original linguistic material among healthy participants. Then, in a clinical transfer perspective, we assessed manic patients suffering from BDs (second study) and patients with schizophrenia (third study, in preparation) using the same linguistic material. Our results support the hypothesis of a preserved N400 component in patients with BDs. On the contrary, preliminary results showed a disturbed N400 associated to congruent sentences among patients with schizophrenia.After discussing the limitations of the notion of clinical transfer and of our experimental studies, we also presented two alternative perspectives on speech comprehension. One the one hand, we described a linguistic model inherited from phenomenology, structuralism and morphodynamics. On the other hand, we reported first person data obtained through elicitation techniques. These experiential data enable us to better grasp semantic phenomena involved in our both experiments.