Multivariable Prediction Modeling of Antidepressant Initiation in Unipolar Depressed Adolescents: A Secondary Analysis of the IMPACT Trial
Notice bibliographique
Résumé
Introduction: This secondary analysis of data collected in a randomized controlled trial (RCT) for the treatment of depression in adolescents aimed to test prediction models relating antidepressant (AD) initiation to clinical variables. Methods: The primary study was an RCT where adolescents (ages 11–17) with depression were assigned one of three outpatient psychotherapies over 86 weeks. The current study tested five registered prediction models using data on adolescents not taking ADs at baseline ( N = 337). Outcomes of interest included: AD initiation, change in depression severity, and self-injurious thoughts and behaviors (SITBs). Results: Findings from registered analytic strategies were not consistent with our a priori hypotheses; rather we unexpectedly observed a relationship between initiation of AD and increased risk of suicide attempts and suicidal ideation during the same time interval ( p > 0.01). Sensitivity analyses found that: (1) higher depressive symptom severity and self-harm each predicted future AD initiation ( p < 0.05), and (2) new-onset SITB was associated with AD initiation ( p < 0.01). Conclusions: Taken together, our results suggest that depression symptoms severity and SITBs may prompt AD initiation. Researchers may wish to further explore causal pathways relevant to the association ADs between SITBs. Clinicians need to be cognizant of high-quality guideline recommendations when prescribing ADs to adolescents.
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 | 0,042 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,009 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».