An umbrella review of candidate predictors of response, remission, recovery, and relapse across mental disorders
Notice bibliographique
Résumé
We aimed to identify diagnosis-specific/transdiagnostic/transoutcome multivariable candidate predictors (MCPs) of key outcomes in mental disorders. We conducted an umbrella review (protocol link ), searching MEDLINE/Embase (19/07/2022), including systematic reviews of studies reporting on MCPs of response, remission, recovery, or relapse, in DSM/ICD-defined mental disorders. From published predictors, we filtered MCPs, validating MCP criteria. AMSTAR2/PROBAST measured quality/risk of bias of systematic reviews/individual studies. We included 117 systematic reviews, 403 studies, 299,888 individuals with mental disorders, testing 796 prediction models. Only 4.3%/1.2% of the systematic reviews/individual studies were at low risk of bias. The most frequently targeted outcome was remission (36.9%), the least frequent was recovery (2.5%). Studies mainly focused on depressive (39.4%), substance-use (17.9%), and schizophrenia-spectrum (11.9%) disorders. We identified numerous MCPs within disorders for response, remission and relapse, but none for recovery. Transdiagnostic MCPs of remission included lower disease-specific symptoms (disorders = 5), female sex/higher education (disorders = 3), and quality of life/functioning (disorders = 2). Transdiagnostic MCPs of relapse included higher disease-specific symptoms (disorders = 5), higher depressive symptoms (disorders = 3), and younger age/higher anxiety symptoms/global illness severity/ number of previous episodes/negative life events (disorders = 2). Finally, positive trans-outcome MCPs for depression included less negative life events/depressive symptoms (response, remission, less relapse), female sex (response, remission) and better functioning (response, less relapse); for schizophrenia, less positive symptoms/higher depressive symptoms (remission, less relapse); for substance use disorder, marital status/higher education (remission, less relapse). Male sex, younger age, more clinical symptoms and comorbid mental/physical symptoms/disorders were poor prognostic factors, while positive factors included social contacts and employment, absent negative life events, higher education, early access/intervention, lower disease-specific and comorbid mental and physical symptoms/conditions, across mental disorders. Current data limitations include high risk of bias of studies and extraction of single predictors from multivariable models. Identified MCPs can inform future development, validation or refinement of prediction models of key outcomes in mental disorders.
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 | 0,039 | 0,151 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,013 |
| Bibliométrie | 0,027 | 0,021 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».