Predicting and preventing symptom onset and relapse in schizophrenia—A metareview of current empirical evidence.
Notice bibliographique
Résumé
The stress-vulnerability-protective factors model is often used to explain the etiology and known risk and protective factors of initial psychotic symptoms and symptomatic relapses. Over the past 40 years since its initial conception, the model has evolved and gathered a plethora of evidence of varying quality for its different components. The objective of this metareview is to analyze the quality of the evidence and the effect sizes for each component of the model not previously reviewed. Recent meta-analyses covering each component of the model in relation to the onset of psychotic symptoms or symptomatic relapse in schizophrenia were reviewed with the grading of recommendations, assessment, development, and evaluation system. Thirty-one meta-analyses were kept, from 3,044 papers reviewed. We did not add to previous metareviews in terms of obstetric/prenatal or genetic vulnerabilities. For stressors, moderate to strong research evidence was found for childhood adversity, cannabis, methamphetamine abuse, and expressed emotions as triggers of psychotic relapse or as linked to the onset of psychotic symptoms. For protective factors, moderate to strong evidence was found for antipsychotic medication in adults, family interventions, social skills training, as well as interventions focusing on recovery management skills. Poor evidence or no evidence (i.e., absence of meta-analyses) were found for the other components of the model. More rigorous studies and systematic reviews are needed in order to validate the various components of the model in regard to symptom onset and relapse. (PsycINFO Database Record (c) 2019 APA, all rights reserved).
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».