Negative symptoms in the clinical high‐risk state for psychosis: Connection with cognition and primacy in impacting functioning
Notice bibliographique
Résumé
Aim In the clinical high‐risk (CHR) state for psychosis, both negative symptoms and lower cognitive function have been associated with poorer daily functioning. Recent evidence suggests that negative symptoms share overlapping variability with cognition and may partially mediate the relationship between cognition and functioning. However, the nature of this overlap is unknown, and the reverse mediation model remains untested leaving the precise nature of these associations unclear. Methods In order to clarify these relationships, a sample of community‐dwelling youth meeting CHR criteria was collected from a specialty CHR clinic (n = 91, mean age = 21, 63% male). Bootstrapping methods were then applied in a mediation analysis to test both negative symptoms and cognition as independent variables and mediating variables predicting social and role functioning in CHR individuals. Canonical correlation analysis was used to characterize the overlapping variability between negative symptoms and cognition. Results Support for a primary role of negative symptoms in predicting functioning and cognition was observed. Canonical correlation revealed a single dimension of overlap between the two symptom types (r = .62), represented by a strong correlation between negative symptoms in general and tasks involving verbal working memory, vigilance and social cognition specifically. A single cognitive factor composed primarily of these tasks was found to predict role functioning (adjusted R 2 = .04). Conclusions The results highlight the importance of considering specific cognitive mechanisms overlapping with negative symptoms in research and rehabilitative practice in CHR populations, as well as the primary importance of targeting negative symptoms.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».