MétaCan
Menu
Retour à la cohorte
Enregistrement W4408853145 · doi:10.1016/j.psychres.2025.116459

Treatment and long-term outcome of mental disorders: The grim picture from a quasi-epidemiological investigation in 54,826 subjects from 40 countries

2025· article· en· W4408853145 sur OpenAlexaff
Konstantinos Ν. Fountoulakis, Grigorios N. Karakatsoulis, Seri Abraham, Kristina Adorjan, Helal Uddin Ahmed, Renato D. Alarcón, Kiyomi Arai, Sani Salihu Auwal, Michael Berk, Sarah Levaj, Julio Bobes, Teresa Bobes-Bascarán, Julie Bourgin-Duchesnay, Cristina Bredicean, Laurynas Bukelskis, Akaki Burkadze, Indira Indiana Cabrera Abud, Ruby Castilla‐Puentes, Marcelo Cetkovich, Héctor Colón-Rivera, Ricardo Corral, Carla Cortez-Vergara, Piirika Crepin, Domenico De Berardis, Sergio Zamora Delgado, David Freitas de Lucena, Avinash De Sousa, Ramona Di Stefano, Seetal Dodd, Livia Priyanka Elek, Anna Elissa, B. Erdelyi-Hamza, Gamze Erzın, Martín Etchevers, Peter Falkai, Adriana Farcas, I. А. Fedotov, Viktoriia Filatova, Nikolaos K. Fountoulakis, Iryna Frankova, Francesco Franza, Pedro Frias, Tatiana Galako, Cristián Javier Garay, Leticia García-Álvarez, María Paz García‐Portilla, Xénia Gonda, Tomasz Gondek, Daniela Morera González, Hilary Gould, Paolo Grandinetti, Arturo Grau, Violeta Groudeva, Michal Hagin, Takayuki Harada, Tasdik M. Hasan, Salmi Razali, Jan Hilbig, Sahadat Hossain, Rossitza Iakimova, Mona Ibrahim, Felicia Iftene, Yulia Ignatenko, Matías Irarrázaval, Zaliha Ismail, Jamila Ismayilova, Asaf Jakobs, Miro Jakovljević, Nenad Jakšić, Afzal Javed, Helin Yılmaz Kafalı, Sagar Karia, Olga Kazakova, Doaa Khalifa, Олена Хаустова, Steve Koh, Svetlana Kopishinskaia, Korneliia Kosenko, N.B. Vadon, Alisha Lalljee, Justine Liewig, Abdul Majid, Evgeniia Malashonkova, Khamelia Malik, Najma Iqbal Malik, Gulay Mammadzada, Bilvesh Mandalia, Donatella Marazziti, Darko Marčinko, Stephanie Martinez, Eimantas Matiekus, Gabriela Mejia, Roha Saeed Memon, Xarah Elenne Meza Martínez, Dalia Mickevičiūtė, Roumen Milev, Muftau Mohammed, Alejandro Molina-López, Petr Morozov, Nuru Suleiman Muhammad, Filip Mustač, Mika S. Naor, Amira Nassieb, Alvydas Navickas, Tarek Okasha, Milena Pandova, Anca-Livia Panfil, Liliya Panteleeva, Ion Papavă, Alexey Pavlichenko, Bojana Pejušković, Mariana Pinto da Costa, Mikhail Popkov, Dina Popović, Nor Jannah Nasution Raduan, Francisca Vargas Ramírez, Elmārs Rancāns, Nurul Azreen Hashim, Federico Rebok, Anna Rewekant, Elena Flores, María Teresa Rivera-Encinas, Pilar A. Sáiz, Manuel Sánchez de Carmona, David Saucedo Martínez, Jo Anne Saw, Görkem Saygılı, Patricia Schneidereit, Bhumika Shah, Tomohiro Shirasaka, Ketevan Silagadze, Satti Sitanggang, Oleg Skugarevsky, Anna Spikina, Sridevi Sira Mahalingappa, Maria Stoyanova, Anna Szczegielniak, Simona Claudia Tamasan, Giuseppe Tavormina, Maurilio Giuseppe Maria Tavormina, Mauricio Tohen, Eva-Maria Tsapakis, Dina Tukhvatullina, Irfan Ullah, Ratnaraj Vaidya, Johann M. Vega‐Dienstmaier, Jeļena Vrubļevska, Olivera Vuković, O. Vysotska, Anna Yashikhina, Daria Smirnova

Notice bibliographique

RevuePsychiatry Research · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSchizophrenia research and treatment
Établissements canadiensQueen's UniversityProvidence Health CareChild, Adolescent and Family Mental Health
Organismes subventionnairesnon disponible
Mots-clésEpidemiologyTerm (time)Outcome (game theory)PsychiatryMedicinePsychologyPathologyPhysicsEconomics

Résumé

récupéré en direct d'OpenAlex

• 24 .14 % of the study sample reported a history of any mental disorder. • Depression was present in more than1 2 %, non-affective psychosis, and Bipolar disorder in 1 % each, self-injury in >2 0 %, suicide attempt in >1 0 %, and illegal substance abuse in 7.1 7 %. • Almost two-thirds were not under any kind of treatment. • The vast majority were not receiving treatment as recommended. • No treatment at all and psychotherapy as monotherapy were consistently related to poorer outcomes. This study registered rates of specific treatment options for mental disorders as well as their long-term outcome. The history of mental disorders was used as a proxy for diagnosis. The data came from the COMET-G study (40 countries; 54,826 subjects, 64.73 % females, 35.45±13.51 years old). The analysis included descriptive statistics, Risk Ratios, t -tests, and ANCOVA's. 24 .14 % reported a history of any mental disorder (depression >12 %, non-affective psychosis and Bipolar disorder 1 % each, >20 % self-injury, >10 % had attempted suicide, 7.17 % illegal substance abuse). Most patients were not under any kind of treatment (59.44 %) and most were not receiving treatment as recommended (e.g. 90 % of Bipolar and 2/3 of psychotic patients). No treatment at all and psychotherapy as monotherapy were consistently related to poorer outcomes. In anxiety or depression, only antidepressant monotherapy and benzodiazepines, in Bipolar disorder only antipsychotic monotherapy in males and antidepressant monotherapy in females and in non-affective psychosis antipsychotics and psychotherapy in females only, were related to good outcomes. No treatment modality was related to a good outcome in those with a history of self-harm, suicidal attempts, or illegal substance use. Only depression and treatment with antidepressants were related to metabolic syndrome. In the community, the overwhelming majority of mental patients do not receive appropriate treatment or, even worse, no treatment at all. The outcome is unfavourable for the majority and only a few selective treatment options seem to make a difference.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants1,000
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,409
Écart entre enseignants0,338 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychiatry ResearchMême sujetSchizophrenia research and treatmentTravaux en français237 207