Factors affecting cognitive remediation outcome in schizophrenia: The role of treatment resistance
Notice bibliographique
Résumé
Introduction Treatment-resistant schizophrenia (TRS) represents a major clinical issue, characterized by worse psychopathological outcome, a more disrupted neurobiological substrate and higher healthcare costs. Cognitive impairment is a core feature of schizophrenia, strongly associated with patients’ functional outcome. Different studies showed that TRS patients exhibit poorer neurocognitive performance, particularly on verbal domains. To date Cognitive Remediation Therapy (CRT) represents the best available tool for treating cognitive deficits in schizophrenia. However, CRT outcomes are highly heterogeneous and significant treatment predictors are still lacking. Objectives To investigate possible differences of CRT outcome among patients with schizophrenia, stratified according to antipsychotic response (TRSs vs. first-line responders - FLRs). Methods 150 patients with schizophrenia, (95 FLRs, 55 TRSs) were assessed for neurocognition with BACS and WCST at baseline and after CRT. General Linear Models (GLMs) were performed to investigate possible differences between groups on basal cognition and CRT outcome (Cohen’s d Effect Size). Results At baseline, GLMs showed significant differences in Verbal Memory (F=4,66; p=0,03) and WCST–executive functions (F=5,59; p=0,02), both worse in TRS group. Effecr Sizes of CRT outcome resulted significantly different in domains of Verbal Memory (F=4,68; p=0,03) and WCST–executive functions (F=4,62; p=0,03), with greater improvements among TRS patients. Conclusions This is the first study to indicate treatment-resistance as a possible predictor of CRT outcome in schizophrenia. Moreover, we observed that CRT resulted able to fill the cognitive gap between treatment groups. Thus, these results further highlight the importance of early cognitive interventions in order to reduce the neuropsychological and functional burden associated with the disease, especially for TRS patients. Disclosure No significant relationships.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».