MétaCan
Menu
Retour à la cohorte
Enregistrement W4205690614 · doi:10.1080/15622975.2022.2031286

Precision-medicine findings from the FACE-SZ cohort to develop motivation-enhancing programs in real-world schizophrenia

2022· article· en· W4205690614 sur OpenAlexaff
Théo Korchia, Maud Tastevin, Pierre-Louis Sunhary de Verville, Ridha Joober, Christelle Andrieu-Haller, Mélanie Faugère, Ophélia Godin, Damien Etchecopar‐Etchart, Fabrice Berna, Bruno Aouizerate, Delphine Capdevielle, Isabelle Chéreau, Julie Clauss-Kobayashi, Nathalie Coulon, Jean‐Michel Dorey, Caroline Dubertret, Julien Dubreucq, Jasmina Mallet, D. Misdrahi, Christine Passerieux, Romain Rey, F. Schürhoff, Andreı̈ Szöke, Mathieu Urbach, Marion Leboyer, Pierre‐Michel Llorca, Christophe Lançon, Raphaëlle Richieri, Laurent Boyer, Guillaume Fond

Notice bibliographique

RevueThe World Journal of Biological Psychiatry · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSchizophrenia research and treatment
Établissements canadiensMcGill UniversityDouglas Mental Health University Institute
Organismes subventionnairesInstitut National de la Santé et de la Recherche MédicaleAgence Nationale de la RechercheFondation FondaMental
Mots-clésSchizophrenia (object-oriented programming)CohortFace (sociological concept)PsychologyPrecision medicineMedicineMedical educationPsychiatryInternal medicineSocial scienceSociologyPathology

Résumé

récupéré en direct d'OpenAlex

Background In people with schizophrenia, major areas of everyday life are impaired, including independent living, productive activities, social relationships and overall quality of life. Enhanced understanding of factors that hinder real-life functioning is vital for treatments to translate into more positive outcomes.Aim The goal of the present study was to identify factors associated with motivation deficits in real-life schizophrenia, and to assess its contribution to impaired functioning and quality of life.Methods Based on previous literature and clinical experience, several factors were selected and grouped into factors potentially explaining motivation deficits. Some of these variables were never investigated before in relationship with motivation deficits.Results In 561 patients with schizophrenia of the national FACE-SZ cohort living in the community, 235 (41.9%) reported severe motivation deficits. These deficits were found to be significantly associated with impaired socially useful activities, psychological and physical quality of life (in almost all domains), alcohol use disorder (aOR = 2.141, p = 0.021), severe nicotine dependence (aOR = 2.906, p < 0.001) independently of age and sex. No significant association was found for body mass index, metabolic syndrome or physical activity level. In the second model, we identified the following modifiable factors associated with motivation deficits: history of suicide attempt (aOR = 2.297, p = 0.001), positive symptoms (aOR = 1.052, p = 0.006), current major depressive episode (aOR = 2.627, p < 0.001), sleep disorders (aOR = 1.474, p = 0.024) and lower medication adherence (aOR = 0.836, p = 0.001) independently of gender, current alcohol use disorder, second-generation antipsychotics and akathisia. No significant association was found for negative symptoms, childhood trauma and inflammation. These results were maintained after removing patients with schizoaffective disorders or those with major depressive disorder.Interpretation Motivation deficits are frequent and remain persistent unmet need in real-world schizophrenia that should be addressed in future guidelines. Based on our results, literature and clinical experience, we recommend to address in priority major depression, sleep, suicide, positive symptoms (when present and as early as possible) and medication adherence to improve motivation deficits of schizophrenia.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,076
Score d'incertitude au seuil0,875

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,327
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe World Journal of Biological PsychiatryMême sujetSchizophrenia research and treatmentTravaux en français237 207