Effectiveness of Community Treatment Order in Patients with a First Episode of Psychosis: A Mirror-Image Study
Notice bibliographique
Résumé
OBJECTIVE: Poor adherence to antipsychotic medications is strongly associated with psychotic relapses and hospitalizations. This may hinder patients' ability to function, particularly in a first episode of psychosis (FEP). Poor adherence to treatment may be due to poor insight that can alter the capacity to consent to care, including pharmacotherapy. When patients are judged legally lacking the capacity to consent to care, treatment can be mandated through community treatment orders (CTOs). This naturalistic study examines the effects of CTOs in FEP patients. METHOD: This study examines 38 FEP patients legally deemed unable to consent to care during their follow-up. Using a naturalistic mirror-image approach, we compare clinical (Scale for the Assessment of Positive Symptoms [SAPS], Scale for the Assessment of Negative Symptoms [SANS]), functional (Global Assessment of Functioning Scale [GAF], Social and Occupational Functioning Assessment Scale [SOFAS]), and service use (number of emergency room visits, length of hospitalizations) indicators before and after CTO. RESULTS: After the CTO, 37 of 38 patients complied with treatment. Statistically significant improvements in clinical (▵SAPS = -6.3; 95% CI, 4.5 to 8.1 and ▵SANS = -2.2; 95% CI, 0.9 to 3.4, P < 0.01) and functional (▵GAF = +15.0; 95% CI, 8.4 to 21.6, ▵SOFAS = +18.6; 95% CI, 12.8 to 24.4, P < 0.01) outcomes were observed. Significant reduction in emergency room visits ( P = 0.016) and days of hospitalization per month in acute care units ( P < 0.05) were identified with no difference in hospital days per month in short-stay units. Moreover, encounters with case managers ( P = 0.008) and attendance of cognitive therapy sessions ( P = 0.031) were significantly higher. However, patients' weight significantly increased after CTO (▵weight = +8.0 kg, P < 0.01). CONCLUSIONS: In FEP patients, CTOs improve compliance to treatment, which contributes to reducing positive and negative symptoms, shortening hospital stays, and improving functioning.
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 | 0,002 | 0,009 |
| 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 | 0,001 |
| 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) | 0,001 | 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 ».