Predictors of treatment attrition of cognitive health interventions in first episode psychosis
Notice bibliographique
Résumé
AIM: Dropping out of psychological interventions is estimated to occur in up to a third of individuals with psychosis. Given the high degree of attrition in this population, identifying predictors of attrition is important to develop strategies to retain individuals in treatment. We observed a particularly high degree of attrition (48%) in a recent randomized controlled study assessing cognitive health interventions for first-episode psychosis participants with comorbid social anxiety. Due to the importance of developing interventions for social anxiety in first episode psychosis, the aim of the present study was to identify putative predictors of attrition through a secondary analysis of data. METHODS: Participants (n = 96) with first episode psychosis and comorbid social anxiety were randomized to receive cognitive behavioural therapy for social anxiety or cognitive remediation. Differences between completers and non-completers (<50% intervention completed) were compared using t-tests or chi-square analyses; statistically significant variables were entered into a multivariate logistic regression model. RESULTS: Non-completers tended to be younger, had fewer years of education and had lower levels of social anxiety compared to completers. Lower baseline social anxiety and younger age were statistically significant predictors of non-completion in the logistic regression model. CONCLUSIONS: Age and social anxiety were predictors of attrition in cognitive health interventions in first episode psychosis populations with comorbid social anxiety. In the ongoing development of social anxiety interventions for this population, future studies should investigate specific engagement strategies, intervention formats and outcome monitoring to improve participant retention in treatment.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».