Personality traits in early psychosis: relationship with symptom and coping treatment outcomes
Notice bibliographique
Résumé
AIMS: This study aimed to determine personality profiles of individuals with early psychosis based on the Five Factor Model of personality and assess the predictive value of personality traits or profiles on therapeutic outcomes of two group treatments for recent onset psychosis: cognitive behaviour therapy or skills training for symptom management. METHODS: One hundred and twenty-nine individuals with early psychosis were recruited to participate in a randomized controlled trial. The participants were randomized to one of two group treatments or to a wait-list control group. Measures included a personality inventory (NEO Five Factor Inventory) and outcome measures of symptomatology (Brief Psychiatric Rating Scale-Expanded) and coping strategies (Cybernetic Coping Scale). RESULTS: Cluster analyses revealed three different personality profiles (based on the Five Factor Model) - none specifically linked to psychotic symptoms. No links were revealed between personality traits and symptom change scores. Personality traits were linked to therapeutic improvements in active coping strategies, with extraversion accounting for 17% of the variance. Neuroticism was linked to increased use of passive coping strategies. Active coping strategies were also predicted by profile 1 (holding the highest openness score) with 26% of the variance explained and by profile 3 (the highest extraversion score), with 14% of the variance explained. CONCLUSIONS: Individuals with early psychosis can present with distinct personality profiles as would be expected in a non-clinical population. Personality traits do not appear to influence symptomatic treatment outcomes but are linked to behavioural changes, such as the use of coping strategies.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».