Combinations and Temporal Associations Among Precursor Symptoms Before a First Episode of Psychosis
Notice bibliographique
Résumé
BACKGROUND AND HYPOTHESIS: Symptoms that precede a first episode of psychosis (FEP) can ideally be targeted by early intervention services with the aim of preventing or delaying psychosis onset. However, these precursor symptoms emerge in combinations and sequences that do not rest fully within traditional diagnostic categories. To advance our understanding of illness trajectories preceding FEP, we aimed to investigate combinations and temporal associations among precursor symptoms. STUDY DESIGN: Participants were from PEPP-Montréal, a catchment-based early intervention program for FEP. Through semistructured interviews, collateral from relatives, and a review of health and social records, we retrospectively measured the presence or absence of 29 precursor symptoms, including 9 subthreshold psychotic and 20 nonpsychotic symptoms. Sequences of symptoms were derived from the timing of the first precursor symptom relative to the onset of FEP. STUDY RESULTS: The sample included 390 participants (68% men; age range: 14-35 years). Combinations of precursor symptoms most frequently featured depression, anxiety, and substance use. Of 256 possible pairs of initial and subsequent precursor symptoms, many had asymmetrical associations: eg, when the first symptom was suspiciousness, the incidence rate ratio (IRR) of subsequent anxiety was 3.40 (95% confidence interval [CI]: 1.79, 6.46), but when the first symptom was anxiety, the IRR of subsequent suspiciousness was 1.15 (95% CI: 0.77, 1.73). CONCLUSIONS: A detailed examination of precursor symptoms reveals diverse clinical profiles that cut across diagnostic categories and evolve longitudinally prior to FEP. Their identification may contribute to risk assessments and provide insights into the mechanisms of illness progression.
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 | 0,000 |
| 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 ».