Outcomes During and After Early Intervention Services for First-Episode Psychosis: Results Over 5 Years From the RAISE-ETP Site-Randomized Trial
Notice bibliographique
Résumé
To examine long-term effects of early intervention services (EIS) for first-episode psychosis, we compared Heinrichs-Carpenter Quality of Life (QLS) and Positive and Negative Syndrome Scale (PANSS) scores and inpatient hospitalization days over 5 years with data from the site-randomized RAISE-ETP trial that compared the EIS NAVIGATE (17 sites; 223 participants) and community care (CC) (17 sites; 181 participants). Inclusion criteria were: age 15-40 years; DSM-IV diagnoses of schizophrenia, schizoaffective disorder, schizophreniform disorder, brief psychotic disorder, or psychotic disorder not otherwise specified; first psychotic episode; antipsychotic medication taken for ≤6 months. NAVIGATE-randomized participants could receive NAVIGATE from their study entry date until NAVIGATE ended when the last-enrolled NAVIGATE participant completed 2 years of treatment. Assessments occurred every 6 months. 61% of participants had assessments conducted ≥2 years; 31% at 5 years. Median follow-up length was CC 30 months and NAVIGATE 38 months. Primary analyses assumed data were not-missing-at-random (NMAR); sensitivity analyses assumed data were missing-at-random (MAR). MAR analyses found no significant treatment-by-time interactions for QLS or PANSS. NMAR analyses revealed that NAVIGATE was associated with a 13.14 (95%CI:6.92,19.37) unit QLS and 7.73 (95%CI:2.98,12.47) unit PANSS better improvement and 2.53 (95%CI:0.59,4.47) fewer inpatient days than CC (all comparisons significant). QLS and PANSS effect sizes were 0.856 and 0.70. NAVIGATE opportunity length (mean 33.8 (SD = 5.1) months) was not associated (P = .72) with QLS outcome; duration of untreated psychosis did not moderate (P = .32) differential QLS outcome. While conclusions are limited by the low rate of five-year follow-up, the data support long-term benefit of NAVIGATE compared to community care.
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 | 0,007 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».