Motivational and neurocognitive deficits are central to the prediction of longitudinal functional outcome in schizophrenia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Functional impairment is characteristic of most individuals with schizophrenia; however, the key variables that undermine community functioning are not well understood. This study evaluated the association between selected clinical variables and one-year longitudinal functional outcomes in patients with schizophrenia. METHOD: The sample included 754 patients with schizophrenia who completed both baseline and one-year follow-up visits in the CATIE study. Patients were evaluated with a comprehensive battery of assessments capturing symptom severity and cognitive performance among other variables. The primary outcome variable was functional status one-year postbaseline measured using the Heinrichs-Carpenter Quality of Life Scale. RESULTS: Factor analysis of negative symptom items revealed two factors reflecting diminished expression and amotivation. Multivariate regression modeling revealed several significant independent predictors of longitudinal functioning scores. The strongest predictors were baseline amotivation and neurocognition. Both amotivation and neurocognition also had independent predictive value for each of the domains of functioning assessed (e.g., vocational). CONCLUSION: Both motivational and neurocognitive deficits independently contribute to longitudinal functional outcomes assessed 1 year later among patients with schizophrenia. Both of these domains of psychopathology impede functional recovery; hence, it follows that treatments ameliorating each of these symptoms should promote community functioning among individuals with schizophrenia.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
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 découle