Investigating cognitive deficits and symptomatology across pre-morbid adjustment patterns in first-episode psychosis
Notice bibliographique
Résumé
BACKGROUND: Cognitive deficits in schizophrenia are well established and are known to be present during the first episode of a psychotic disorder. In addition, consistent heterogeneity within these impairments remains unexplained. One potential source of variability may be the level of pre-morbid adjustment prior to the onset of first-episode psychosis (FEP). METHOD: Ninety-four FEP patients and 32 healthy controls were assessed at baseline on several neuropsychological tests comprising six cognitive domains (verbal memory, visual memory, working memory, processing speed, reasoning/problem-solving and attention) and an abbreviated version of the full IQ. A global neurocognitive domain was also computed. Pre-morbid adjustment patterns were divided into three distinct groups: stable-poor, stable-good and deteriorating course. RESULTS: Based on a cut-off of 0.8 for effect size, the stable-poor pre-morbid adjustment group was significantly more impaired on most cognitive domains and full IQ compared to the deteriorating group, who were more severely impaired on all measures compared to the stable-good group. The type of cognitive deficit within each subgroup did not differ and the results indicate that a global neurocognition measure may reliably reflect the severity of cognitive impairment within each subgroup. CONCLUSIONS: Pre-morbid adjustment patterns prior to onset of psychosis are associated with severity but not type of cognitive impairment. Patients in the stable-poor group are generally more impaired compared to the deteriorating group, who are, in turn, more impaired than the stable-good group.
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 | 0,000 | 0,001 |
| 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 | 0,000 |
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 ».