Long‐acting antipsychotic medication as first‐line treatment of first‐episode psychosis with comorbid substance use disorder
Notice bibliographique
Résumé
AIM: Substance use disorder (SUD) is highly prevalent among patients with first-episode psychosis (FEP) and associated with poor adherence and worst treatment outcomes. Although relapses are frequent in FEP, current literature on long-acting injectable antipsychotics (LAI-AP) use in FEP is scarce and studies often exclude patients with SUD. OBJECTIVES: To determine the impact of LAI-AP as first-line treatment on psychotic relapses or rehospitalizations in FEP patients with comorbid SUD (FEP-SUD). METHODS: This is a naturalistic, longitudinal, 3-year prospective and retrospective study on 237 FEP-SUD admitted in two EIS in Montreal, between 2005 and 2012. The patients were divided on the basis of first-line medication introduced, either oral antipsychotics (OAP, n = 206) or LAI-AP (n = 31). Baseline characteristics were compared using χ² test and analysis of variance, and Kaplan-Meier survival analysis was performed on relapse and rehospitalization. RESULTS: Compared to the OAP group, patients in the LAI-AP group presented worse prognostic factors (eg, history of homelessness). Despite this, the LAI-AP group presented a lower relapse rate (67.7% vs 76.7%), higher relapse-free survival time (694 vs 447 days, P = 0.008 in Kaplan-Meier analysis), and trends for reduced rehospitalization rates (48.4% vs 57.3%) and hospitalization-free survival time (813 vs 619 days, P = 0.065 Kaplan-Meier analysis). Of those receiving OAP as first-line, 41.3% were eventually switched to LAI-AP and displayed worst outcome in relapse and rehospitalization. CONCLUSION: LAI-AP should be strongly considered as first-line treatment of FEP-SUD patients since this pharmacological option reduces the risk of relapse and rehospitalization even in the individuals with poor prognostic factors.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 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 ».