Comparison of clinical outcomes following 2 years of treatment of first-episode psychosis in urban early intervention services in Canada and India
Notice bibliographique
Résumé
BACKGROUND: Purported superior outcomes for treatment of psychosis in low- and middle-income (LMICs) compared with high-income (HICs) countries have not been examined in the context of early intervention services (EIS). AIMS: To compare 2-year clinical outcomes in first-episode psychosis (FEP) treated in EIS in Chennai (LMIC) and Montreal (HIC) using a similar EIS treatment protocol and to identify factors associated with any outcome differences. METHOD: Patients with FEP treated in EIS in Chennai (n = 168) and Montreal (n = 165) were compared on change in level of symptoms and rate and duration of positive and negative symptom remission over a 2-year period. Repeated-measures analysis of variance, and logistic and linear regression analyses were conducted. RESULTS: Four patients died in Chennai compared with none in Montreal. Family support was higher for Chennai patients (F = 14.05, d.f. = 1, P < 0.001, ƞp2 = 0.061) and increased over time at both sites (F = 7.0, d.f. = 1.915, P < 0.001, ƞp2 = 0.03). Negative symptom outcomes were significantly better in Chennai for level of symptoms (time × site interaction F = 7.36, d.f. = 1.49, P = 0.002, ƞp2 = 0.03), duration of remission (mean 16.1 v. 9.78 months, t = -7.35, d.f. = 331, P < 0.001, Cohen's d = 0.80) and the proportion of patients in remission (81.5% v. 60.3%, χ2 = 16.12, d.f. = 1, P < 0.001). The site differences in outcome remained robust after adjusting for inter-site differences in other characteristics. Early remission and family support facilitated better outcome on negative symptoms. No significant differences were observed in positive symptom outcomes. CONCLUSIONS: Patients with FEP treated in EIS in LMIC contexts are likely to show better outcome on negative symptoms compared with those in HIC contexts. Early remission and family support may benefit patients across both contexts.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».