Negative Symptom Trajectories in Individuals at Clinical High Risk for Psychosis: Differences Based on Deficit Syndrome, Persistence, and Transition Status
Notice bibliographique
Résumé
Background and Hypothesis: Negative symptom trajectory in clinical high risk (CHR) for psychosis is ill defined. This study aimed to better characterize longitudinal patterns of change in negative symptoms, moderators of change, and differences in trajectories according to clinical subgroups. We hypothesized that negative symptom course will be nonlinear in CHR. Clinical subgroups known to be more severe variants of psychotic illness-deficit syndrome (DS), persistent negative syndrome (PNS), and acute psychosis onset-were expected to show more severe baseline symptoms, slower rates of change, and less stable rates of symptom resolution. Study Design: = 699) and within clinical subgroups. Study Results: Negative symptoms followed a downward curvilinear trend, with marked improvement 0-6 months that subsequently stabilized (6-24 months), particularly among those with lower IQ and functioning. Clinical subgroups had higher baseline ratings, but distinct symptom courses; DS vs non-DS: more rapid initial improvement, similar stability of improvements; PNS vs non-PNS: similar rates of initial improvement and stability; transition vs no transition: slower rate of initial improvement, with greater stability of this rate. Conclusions: Continuous, frequent monitoring of negative symptoms in CHR is justified by 2 important study implications: (1) The initial 6 months of CHR program enrollment may be a key window for improving negative symptoms as less improvement is likely afterwards, (2) Early identification of clinical subgroups may inform distinct negative symptom trajectories and treatment needs.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».