Joint-trajectories of clinical severity, social functioning and cannabis use in first-episode psychosis: A 5-year longitudinal study in 2 urban early intervention services
Notice bibliographique
Résumé
• The role of cannabis use in first-episode psychosis may be complex and vary significantly across patients and over time. • Using 5-year longitudinal data, we modelled joint-trajectories of cannabis use and clinical outcomes. • Persistent and severe cannabis use was associated with worse outcomes but also with increased likelihood of child trauma and social adversity. Cannabis use is associated with increased psychosis incidence alongside worse outcomes. The role of cannabis may be complex, vary across patients and over time. Yet, few have examined the longer-term trajectories of cannabis use, symptoms and functioning and their inter-relationships. We conducted a 5-year longitudinal study to estimate joint-trajectories of clinical severity, social functioning, and cannabis use via group-based multi-trajectory modelling on a sample of 395 incident FEP cases. Associations of trajectories with socio-demographic and clinical factors were tested using multinomial regression. The best-fitting model identified 5 joint-trajectories. A first group ( N = 93,23.7 %) presented only marginal improvement despite not using cannabis, while a second with no cannabis use and a third group with low-decreasing use showed clinical amelioration. Among those with baseline harmful cannabis use, a fourth group progressively discontinued use and improved clinically ( N = 78,19.9 %). A fifth group with continued use did not significantly improve over follow-up ( N = 74,18.8 %), and also had the highest odds of homelessness (OR = 22.5,95 %CI = 6.25–81.1) and childhood adversities (OR = 2.25,95 %CI = 1.71–2.97). There is substantial heterogeneity in the joint-trajectories of cannabis use and FEP outcomes. Our findings support the need for intervention aimed at cannabis reduction among heavy users. Multi-disciplinary, trauma-informed interventions may benefit those with persistent cannabis use, given its associations with childhood and social adversity.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».