Trajectories of suicidal ideation after first‐episode psychosis: a growth mixture modeling approach
Notice bibliographique
Résumé
OBJECTIVE: The period immediately after the onset of first-episode psychosis (FEP) may present with high risk for suicidal ideation (SI) and attempts, although this risk may differ among patients. Thus, we aimed to identify trajectories of SI in a 2-years follow-up FEP cohort and to assess baseline predictors and clinical/functional evolution for each trajectory of SI. METHODS: We included 334 FEP participants with data on SI. Growth mixture modeling was used to identify trajectories of SI. Putative sociodemographic, clinical, and cognitive predictors of the distinct trajectories were examined using multinomial logistic regression. RESULTS: We identified three distinct trajectories: Non-SI trajectory (85.53% sample), Improving SI trajectory (9.58%), and Worsening SI trajectory (6.89%). Multinomial logistic regression model revealed that greater baseline pessimistic thoughts, anhedonia, and worse perceived family environment were associated with higher baseline SI followed by an Improving trajectory. Older age, longer duration of untreated psychosis, and reduced sleep predicted Worsening SI trajectory. Regarding clinical/functional evolution, individuals within the Improving SI trajectory displayed moderate depression at baseline which ameliorated during the study period, while the Worsening SI subgroup exhibited persistent mild depressive symptoms and greater functional impairment at follow-up assessments. CONCLUSION: Our findings delineated three distinct trajectories of SI among participants with FEP, one experiencing no SI, another in which SI might depend on acute depressive symptomatology, and a last subset where SI might be associated with mild but persistent clinical and functional impairments. These data provide insights for the early identification and tailored treatment of suicide in this at-risk population.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».