Interventions and Transition in Youth at Risk of Psychosis
Notice bibliographique
Résumé
OBJECTIVE: The primary objective of this systematic review and meta-analyses was to summarize the impact of all reported treatments on transition to psychosis in high-risk samples. DATA SOURCES: PsycINFO, Embase, CINAHL, EBM, and MEDLINE online databases were searched from inception to May 2017 using the keywords psychosis, risk, and treatment with no geographical, date, or language restrictions. STUDY SELECTION: A total of 38 independent studies met the inclusion criteria: conducted a treatment study in a sample at high risk for psychosis and reported on transition to psychosis as an outcome. DATA EXTRACTION: The following data were extracted: study characteristics (eg, sample size), participant characteristics (eg, mean age), and clinical outcome data (eg, number and percentage of patients transited for each intervention group at each time-point and transition assessment employed). Data were analyzed using random-effects pairwise meta-analysis (to explore differences between treatment and controls) and multivariate network meta-analyses (NMAs; to explore differences between treatment types on transition) and were reported as risk ratios (RR). RESULTS: In pairwise meta-analyses, cognitive-behavioral therapy (CBT) studies were associated with a significant reduction in transition compared with controls at 12-month and 18-month follow-up (RR = 0.57; 95% CI, 0.35-0.93; I² = 7%; P = .02 vs RR = 0.54; 95% CI, 0.32-0.92; I² = 0%; P = .02). In the NMAs, integrated psychological therapy, CBT, supportive therapy, family therapy, needs-based interventions, omega-3, risperidone plus CBT, ziprasidone, and olanzapine were not significantly more effective at reducing transition at 6 and 12 months relative to each other. CONCLUSIONS: This systematic review and pairwise meta-analyses demonstrated a reduced risk for transition favoring CBT at 12 and 18 months. No interventions were significantly more effective at reducing transition compared with all other interventions in the NMAs. NMA results should be interpreted with caution due to the small sample size.
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 | 0,010 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,025 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».