Preventing Schizophrenia and Psychotic Behaviour: Definitions and Methodological Issues
Notice bibliographique
Résumé
Although schizophrenia onset usually occurs in late adolescence or early adulthood, much research shows that its seeds are planted early in life and that eventual onset occurs at the end of a neurodevelopmental process leading to aberrant brain functioning. This idea, along with the fact that current therapies are far from fully effective, suggests that preventive treatments may be needed to achieve an ideal outcome for schizophrenia patients and those predisposed to the disorder. In this article, we review the methodological challenges that must be overcome before effective preventive interventions can be created. Prevention studies will need to define the target population. This requires the identification of risk factors that will be useful in selecting at-risk people for preventive treatment. We review currently identified risk factors for schizophrenia: genes, psychosocial factors, pregnancy and delivery complications, and viruses. We also review 3 different types of prevention programs: universal, indicated, and selective. For schizophrenia, we distinguish prevention programs that target prodromal cases and those that target the disorder's premorbid precursors. Although those targeting prodromal cases provide a useful framework for early treatment of the disorder, studies of premorbid individuals are needed to design a truly preventive treatment.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,140 | 0,206 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,014 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».