Specificity of Incident Diagnostic Outcomes in Patients at Clinical High Risk for Psychosis
Notice bibliographique
Résumé
It is not well established whether the incident outcomes of the clinical high-risk (CHR) syndrome for psychosis are diagnostically specific for psychosis or whether CHR patients also are at elevated risk for a variety of nonpsychotic disorders. We collected 2 samples (NAPLS-1, PREDICT) that contained CHR patients and a control group who responded to CHR recruitment efforts but did not meet CHR criteria on interview (help-seeking comparison patients [HSC]). Incident diagnostic outcomes were defined as the occurrence of a SIPS-defined psychosis or a structured interview diagnosis from 1 of 3 nonpsychotic Diagnostic and Statistical Manual of Mental Disorders, Fourth Edition (DSM-IV) groups (anxiety, bipolar, or nonbipolar mood disorder), when no diagnosis in that group was present at baseline. Logistic regression revealed that the CHR vs HSC effect did not vary significantly across study for any emergent diagnostic outcome; data from the 2 studies were therefore combined. CHR (n = 271) vs HSC (n = 171) emergent outcomes were: psychosis 19.6% vs 1.8%, bipolar disorders 1.1% vs 1.2%, nonbipolar mood disorders 4.4% vs 5.3%, and anxiety disorders 5.2% vs 5.3%. The main effect of CHR vs HSC was statistically significant (OR = 13.8, 95% CI 4.2-45.0, df = 1, P < .001) for emergent psychosis but not for any emergent nonpsychotic disorder. Sensitivity analyses confirmed these findings. Within the CHR group emergent psychosis was significantly more likely than each nonpsychotic DSM-IV emergent disorder, and within the HSC group emergent psychosis was significantly less likely than most emergent nonpsychotic disorders. The CHR syndrome is specific as a marker for research on predictors and mechanisms of developing psychosis.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».