Community Treatment Orders use Among Persons With a First Episode of Psychosis in Quebec
Notice bibliographique
Résumé
OBJECTIVES: Specialized early intervention for psychosis can reduce the duration of untreated psychosis and improve clinical and functional outcomes. However, poor adherence to treatment is frequent. The literature on community treatment orders (CTOs) use in first-episode psychosis (FEP) as a means to improve treatment adherence is limited. In the context of early intervention for psychosis services (EIS), this study aims to describe (1) the frequency of CTOs utilisation, (2) the trend of CTOs use over time, (3) the timing and reasons for requesting CTOs and (4) the baseline characteristics of FEP patients on CTOs compared to those who were not. METHOD: A 5-year prospective longitudinal study describing the use of CTOs among persons with FEP admitted to two urban EIS in Montreal, Quebec, from 2005 to 2013. At admission, and then annually for 5 years, CTOs data were collected through chart review. Baseline characteristics, assessed by patient interviews, standardized questionnaires and chart review, included socio-demographic data, illness severity, functioning and alcohol and substance use. Descriptive analyses were performed, and FEP patients on CTOs during follow-up and those who were not were compared using analyses of variance, chi-square test and multivariate logistic regression. RESULTS: Among 567 FEP patients, 19.2% were placed on CTOs. The main reasons for requesting CTOs were to prevent further deterioration in mental state, social functioning, harmful behaviours to self and others and homelessness. FEP patients on CTOs had poorer premorbid and baseline functioning, more severe symptoms and social dysfunction at admission, including legal problems and homelessness. CONCLUSIONS: CTOs can be a tool to improve adherence to treatment, which is crucial for relapse prevention in FEP. However, since it is a coercive method that limits a person's fundamental rights, further research is warranted to assess its impact on patients' lives, clinical and functional outcomes, as well as patients' and carers' perception.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».