A Scoping Review of Measures Used in Early Intervention Services for Psychosis
Notice bibliographique
Résumé
OBJECTIVE: The early intervention service (EIS) model for psychosis has been implemented with increasing frequency; yet, improving outcomes across domains for all patients remains challenging. Measurement-based care can strengthen outcomes by optimizing interventions and promoting alignment with standards, but it is still not widely deployed in EIS. The authors conducted a scoping review by systematically identifying and synthesizing measures used in EIS related to purpose (i.e., to assess patients, families, and programs), domains (e.g., symptoms, quality of life), and reporting perspectives (of patients, families, and clinicians). METHODS: EMBASE, MEDLINE, PsycINFO, CINAHL, and Cochrane Library databases were searched for pertinent literature published between 2000 and 2020. Two reviewers independently screened titles, abstracts, and full texts and extracted data. Measures were classified as clinician-reported outcome measures (CROMs), patient-reported outcome or experience measures (PROMs/PREMs), or family-reported outcome or experience measures (FROMs/FREMs). RESULTS: In total, 172 measures of 27 domains were identified from 115 articles. Nineteen measures had been used to assess programs on fidelity, service engagement, and satisfaction; 136 to assess patients on duration of untreated psychosis, symptoms, functioning, quality of life, and others; and 17 to assess families on coping and burden, background, and others. Sixty percent were CROMs, 30% were PROMs/PREMs, and 10% were FROMs/FREMs. CONCLUSIONS: Greater inclusion of PROMs and FROMs is needed because they align with the EIS philosophy of patient and family engagement and may improve shared decision making and outcomes. A comprehensive, meaningfully synthesized archive of measures can advance measurement-based care, services research, and data harmonization in early 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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».