Why we need to pursue both universal and targeted prevention to reduce the incidence of affective and psychotic disorders: Systematic review and meta-analysis
Notice bibliographique
Résumé
The effectiveness of universal preventive approaches in reducing the incidence of affective/psychotic disorders is unclear. We therefore aimed to synthesise the available evidence from randomised controlled trials. For studies reporting change in prevalence, we simulated all possible scenarios for the proportion of individuals with the disorder at baseline and at follow-up to exclude them. We then combined these data with studies directly measuring incidence and conducted random effects meta-analysis with relative risk (RR) to estimate the incidence in the intervention group compared to the control group. Eighteen studies (k=21 samples) were included investigating the universal prevention of depression in 66,625 individuals. No studies were available investigating universal prevention on the incidence of bipolar/psychotic disorders. 63 % of simulated scenarios showed a significant preventive effect on reducing the incidence of depression (k=9 - 19, RR=0.75-0.94, 95 %CIs=0.55-0.87,0.93-1.15, p=0.007-0.246) but did not survive sensitivity analyses. There is some limited evidence for the effectiveness of universal interventions for reducing the incidence of depression but not for bipolar/psychotic 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 | 0,055 | 0,108 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,026 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».