Treatment resistance in schizophrenia: a meta-analysis of prevalence and correlates
Notice bibliographique
Résumé
OBJECTIVES: To determine the prevalence and correlates of treatment-resistant schizophrenia (TRS) through a systematic review and meta-analysis. METHODS: Following Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) criteria, an electronic search was performed in PubMed and Embase through May 17, 2022. All study designs that assessed a minimum of 20 schizophrenia-spectrum patients and provided data on TRS prevalence or allowed its calculation were included. Estimates were produced using a random-effects model meta-analysis. RESULTS: The TRS prevalence across 50 studies (n = 29,390) was 36.7% (95%CI 33.1-40.5, p < 0.0001). The prevalence ranged from 22% (95%CI 18.4-25.8) in first-episode to 39.5% (95%CI 32.2-47.0) in multiple-episode samples (Q = 18.27, p < 0.0001). Primary treatment resistance, defined as no response from the first episode, was 23.6% (95%CI 20.5-26.8) vs. 9.3% (95%CI 6.8-12.2) for later-onset/secondary (≥ 6 months after initial treatment response). Longer illness duration and recruitment from long-term hospitals or clozapine clinics were associated with higher prevalence estimates. In meta-regression analyses, older age and poor functioning predicted greater TRS. When including only studies with lower bias risk, the TRS prevalence was 28.4%. CONCLUSION: Different study designs and recruitment strategies accounted for most of the observed heterogeneity in TRS prevalence rates. The results point to early-onset and later-onset TRS as two separate disease pathways requiring clinical attention.
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 | 0,028 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,021 | 0,076 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».