Momentary Manifestations of Negative Symptoms as Predictors of Clinical Outcomes in People at High Risk for Psychosis: Experience Sampling Study
Notice bibliographique
Résumé
BACKGROUND: Negative symptoms occur in individuals at ultrahigh risk (UHR) for psychosis. Although there is evidence that observer ratings of negative symptoms are associated with level of functioning, the predictive value of subjective experience in daily life for individuals at UHR has not been studied yet. OBJECTIVE: This study therefore aims to investigate the predictive value of momentary manifestations of negative symptoms for clinical outcomes in individuals at UHR. METHODS: Experience sampling methodology was used to measure momentary manifestations of negative symptoms (blunted affective experience, lack of social drive, anhedonia, and social anhedonia) in the daily lives of 79 individuals at UHR. Clinical outcomes (level of functioning, illness severity, UHR status, and transition status) were assessed at baseline and at 1- and 2-year follow-ups. RESULTS: Lack of social drive, operationalized as greater experienced pleasantness of being alone, was associated with poorer functioning at the 2-year follow-up (b=-4.62, P=.01). Higher levels of anhedonia were associated with poorer functioning at the 1-year follow-up (b=5.61, P=.02). Higher levels of social anhedonia were associated with poorer functioning (eg, disability subscale: b=6.36, P=.006) and greater illness severity (b=-0.38, P=.045) at the 1-year follow-up. In exploratory analyses, there was evidence that individuals with greater variability of positive affect (used as a measure of blunted affective experience) experienced a shorter time to remission from UHR status at follow-up (hazard ratio=4.93, P=.005). CONCLUSIONS: Targeting negative symptoms in individuals at UHR may help to predict clinical outcomes and may be a promising target for interventions in the early stages of 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 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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».