The impact of aripiprazole on neurocognitive function in individuals at clinical high risk for psychosis: A comparison with olanzapine and non-antipsychotic treatment
Notice bibliographique
Résumé
BACKGROUND: Clinical high risk for psychosis (CHR) is often managed with antipsychotic medications, but their effects on neurocognitive performance and clinical outcomes remain insufficiently explored. This study investigates the association between aripiprazole and olanzapine use and cognitive and clinical outcomes in CHR individuals, compared to those receiving no antipsychotic treatment. METHODS: A retrospective analysis was conducted on 127 participants from the Shanghai At Risk for Psychosis (SHARP) cohort, categorized into three groups: aripiprazole, olanzapine, and no antipsychotic treatment. Neurocognitive performance was evaluated using the MATRICS Consensus Cognitive Battery (MCCB), while clinical symptoms were assessed through the Structured Interview for Prodromal Syndromes (SIPS) at baseline, 8 weeks, and one year. RESULTS: The non-medicated group demonstrated greater improvements in cognitive performance, clinical symptoms, and functional outcomes compared to the medicated groups. Among the antipsychotic groups, aripiprazole was associated with better visual learning outcomes than olanzapine. Improvements in neurocognition correlated significantly with clinical symptom relief and overall functional gains at follow-up assessments. CONCLUSIONS: These findings suggest potential associations between antipsychotic use and cognitive outcomes in CHR populations while recognizing that observed differences may reflect baseline illness severity rather than medication effects alone. Aripiprazole may offer specific advantages over olanzapine, underscoring the importance of individualized risk-benefit evaluations in treatment planning. Randomized controlled trials are needed to establish causality.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».