The Prevalence of Negative Symptoms Across the Stages of the Psychosis Continuum
Notice bibliographique
Résumé
BACKGROUND: Patients in every stage of the psychosis continuum can present with negative symptoms. While no treatment is currently available to address these symptoms, a more refined characterization of their course over the lifetime could help in elaborating interventions. Previous reports have separately investigated the prevalence of negative symptoms within each stage of the psychosis continuum. Our aim in this review is to compare those prevalences across stages, thereby disclosing the course of negative symptoms. METHODS: We searched several databases for studies reporting prevalences of negative symptoms in each one of our predetermined stages of the psychosis continuum: clinical or ultra-high risk (UHR), first-episode of psychosis (FEP), and younger and older patients who have experienced multiple episodes of psychosis (MEP). We combined results using the definitions of negative symptoms detailed in the Brief Negative Symptom Scale, a recently developed tool. For each negative symptom, we averaged and weighted by the combined sample size the prevalences of each negative symptom at each stage. RESULTS: We selected 47 studies totaling 1872 UHR, 2947 FEP, 5039 younger MEP, and 669 older MEP patients. For each negative symptom, the prevalences showed a comparable course. Each negative symptom decreased from the UHR to FEP stages and then increased from the FEP to MEP stages. CONCLUSIONS: Certain psychological, environmental, and treatment-related factors may influence the cumulative impact of negative symptoms, presenting the possibility for early intervention to improve the long-term course.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».