Duration of untreated illness and bipolar disorder: time for a new definition? Results from a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: We primarily aimed to explore the associations between duration of untreated illness (DUI), treatment response, and functioning in a cohort of patients with bipolar disorder (BD). METHODS: 261 participants with BD were recruited. DUI was defined as months from the first affective episode to the start of a mood-stabilizer. The functioning assessment short test (FAST) scores and treatment response scores for lithium, valproate, or lamotrigine according to the Alda Scale Total Score (TS) were compared between patients with short (<24 months) or long DUI. Differences in FAST scores among good (GR; TS≥7), poor (PR; TS=2-6), or non-responders (NR; TS<2) to each mood-stabilizer were analyzed. Linear regression was computed using the FAST global score as the dependent variable. RESULTS: DUI and FAST scores showed no statistically significant correlation. Patients with a longer DUI showed poorer response to lithium (Z=-3.196; p<0.001), but not to valproate or lamotrigine. Response to lithium (β=-1.814; p<0.001), number of hospitalizations (β=0.237; p<0.001), and illness duration (β=0.160; p=0.028) were associated with FAST total scores. GR to lithium was associated with better global functioning compared to PR or NR [H=27.631; p<0.001]. LIMITATIONS: The retrospective design could expose our data to a recall bias. Also, only few patients were on valproate or lamotrigine treatment. CONCLUSIONS: Poor functioning in BD could be the result of multiple affective relapses, rather than a direct effect of DUI. A timely diagnosis with subsequent effective prophylactic treatment, such as lithium, may prevent poor functional outcomes in real-world patients with BD.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».