Dynamic Interplay Between Insight and Persistent Negative Symptoms in First Episode of Psychosis: A Longitudinal Study
Notice bibliographique
Résumé
Persistent negative symptoms (PNS) are an important factor of first episode of psychosis (FEP) that present early on in the course of illness and have a major impact on long-term functional outcome. Lack of clinical insight is consistently associated with negative symptoms during the course of schizophrenia, yet only a few studies have explored its evolution in FEP. We sought to explore clinical insight change over a 24-month time period in relation to PNS in a large sample of FEP patients. Clinical insight was assessed in 515 FEP patients using the Scale to assess Unawareness of Mental Disorder. Data on awareness of illness, belief in response to medication, and belief in need for medication were analyzed. Patients were divided into 3 groups based on the presence of negative symptoms: idiopathic (PNS; n = 135), secondary (sPNS; n = 98), or absence (non-PNS; n = 282). Secondary PNS were those with PNS but also had clinically relevant levels of positive, depressive, or extrapyramidal symptoms. Our results revealed that insight improved during the first 2 months for all groups. Patients with PNS and sPNS displayed poorer insight across the 24-month period compared to the non-PNS group, but these 2 groups did not significantly differ. This large longitudinal study supported the strong relationship known to exist between poor insight and negative symptoms early in the course of the disorder and probes into potential factors that transcend the distinction between idiopathic and secondary 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 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) | 0,000 | 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 ».