Effects of socio‐demographic characteristics, premorbid functioning, and insight on duration of untreated psychosis in first‐episode schizophrenia or schizophreniform disorder in Northern Malawi
Notice bibliographique
Résumé
AIM: Long duration of untreated psychosis (DUP) is prevalent and has been shown to be associated with poorer prognosis. Thus, knowledge of its determinants may help to target early interventions to reduce DUP on the needed population. Previous studies seeking to understand determinants of DUP have been inconclusive. Therefore, this study aimed to investigate the effects of socio-demographic characteristics, premorbid functioning, and insight on DUP in patients with first-episode schizophrenia or schizophreniform disorder. METHODS: This cross-sectional study recruited 110 subjects (aged 18-65) during a pilot early intervention service for psychosis in Northern Malawi, between June 2009 and September 2012. Short DUP was defined as ≤6 months, whereas long DUP was defined as >6 months. Unadjusted and adjusted analyses were performed to identify determinants of DUP. RESULTS: Of the 110 subjects, 99 (90%) had schizophrenia. Median DUP was 27.5 months, while mean (SD) DUP was 71.24 (92.32) months. In addition, at least 75% had long DUP, which was associated with lower level of education, poor insight, younger age at onset, and at least one parent deceased. CONCLUSIONS: Long DUP is prevalent in Northern Malawi. Thus, early interventions to reduce DUP are warranted in this population. Although having at least one parent deceased predicted long DUP in this study, this remains speculative because factors, such as timing of parents' death and grief reactions of the patients were not assessed. Therefore, further investigations incorporating these factors are needed to ascertain this result.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».