How Age and Gender Predict Illness Course in a First-Episode Nonaffective Psychosis Cohort
Notice bibliographique
Résumé
OBJECTIVE: Male gender and young age at onset of schizophrenia are traditionally associated with poor treatment outcome and often used to determine prognosis. However, many studies use nonincident samples and fail to adjust for symptom severity at onset. We hypothesized that age and gender would influence severity of presentation but would not predict outcome after adjustment for symptoms at presentation. METHOD: 628 people with first-episode ICD-9 and DSM-IV nonaffective psychosis from 2 historical cohorts recruited from sequential presentations in Canada and the United Kingdom (1996-1998) were assessed prospectively at presentation and over 12-18 months using the Positive and Negative Syndrome Scale (PANSS). RESULTS: Models of the age-at-onset distributions with 2 underlying modes at similar ages in women (ages 23 years and 47 years) and men (ages 22 years and 46 years) had relatively good fits compared to single-mode models (χ(2)1 better by 9.2 for females, 8.0 for males, both P < .05). At presentation, scores for negative symptoms were 1.84 points worse for males (95% CI, 1.05 to 2.58; P < .001) in a mixed effects model. Younger age also predicted higher negative scores at presentation (partial correlation r = -0.18, P < .01; P < .001 in the mixed effects model). Findings were similar for cognitive-disorganized symptoms. However, after controlling for baseline symptoms, age at onset and gender did not significantly predict subsequent symptom course in the mixed effects models. CONCLUSIONS: Gender and age at onset are independently associated with symptoms at presentation but not with medium-term course of schizophrenia. This finding reinforces the importance of early identification and prevention of severe negative symptoms at first episode, whatever an individual's age and gender.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».