Dynamic association of the first identifiable symptom with rapidity of progression to first-episode psychosis
Notice bibliographique
Résumé
BACKGROUND: Rapid progression from the first identifiable symptom to the onset of first-episode psychosis (FEP) allows less time for early intervention. The aim of this study was to examine the association between the first identifiable symptom and the subsequent speed of illness progression. METHODS: Data were available for 390 patients attending a catchment-based early intervention service for FEP. Exposure to non-psychotic and subthreshold psychotic symptoms was retrospectively recorded using semi-structured interviews. Outcomes following the onset of the first identifiable symptom were (1) time to onset of FEP and (2) symptom incidence rate (i.e. number of symptoms emerging per person-year until FEP onset). These outcomes were respectively analyzed with Cox proportional hazards and negative binomial regressions. RESULTS: non-psychotic) symptom as the first symptom was not associated with time to FEP onset [hazard ratio (HR) = 1.39; 95% CI 0.94-2.04] but was associated with higher symptom incidence [incidence rate ratio (IRR) = 1.92; 95% CI 1.10-3.48]. A first symptom of suspiciousness was associated with shorter time to FEP onset (HR = 2.37; 95% CI 1.38-4.08) and higher symptom incidence rate (IRR = 3.20; 95% CI 1.55-7.28) compared to other first symptoms. In contrast, a first symptom of self-harm was associated with lower symptom incidence rate (IRR = 0.06; 95% CI 0.01-0.73) compared to other first symptoms. Several associations between symptoms and illness progression were moderated by the age at symptom onset. CONCLUSIONS: Appreciating the content and timing of early symptoms can identify windows and treatment targets for early interventions in psychosis.
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 | 0,001 |
| 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 ».