Anxiety symptoms severity and short‐term clinical outcome in first‐episode psychosis
Notice bibliographique
Résumé
AIM: In psychotic disorders, a limited number of studies have documented the presence of symptoms of anxiety, especially in first-episode psychosis (FEP). There is a growing interest in better understanding how these symptoms may affect the severity of psychotic symptoms and clinical outcome. This study examined the association between symptoms of anxiety, as measured by the Hamilton Anxiety Rating Scale (HARS) and the Positive and Negative Syndrome Scale (PANSS), and short-term clinical outcome. We first examined the potential association between anxiety symptom severity among FEP patients and remission. A secondary objective explored the relation between the PANSS single item subscale 'anxiety' item and the total score value of the HARS. METHOD: Data were collected on 201 FEP patients divided into remitted and unremitted groups based on clinical data at 6 months. Anxiety ratings were compared between 67 remitted and 99 unremitted patients with the HARS, and for 72 remitted and 103 unremitted patients with the (G2) PANSS. RESULTS: A significant interaction Time × Group was observed on the HARS and on the PANSS G2 item. Looking at the two time points specifically, groups did not significantly differ at baseline on either the HARS or the PANSS. At 6 months, these two groups were significantly different on both anxiety rating scores - HARS [t(170) = 3.48, P = 0.001)] and PANSS G2 [t(173) = 2.51, P = 0.013)]. CONCLUSION: Anxiety severity is marked in FEP, and appears to be linked to poor short-term clinical outcome. The PANSS single item (G2) seems to represent a good indicator of anxiety as it significantly correlates with a more systematic measure of anxiety, namely the HARS score. Anxiety severity appears to vary across diagnosis type.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».