Prediction of antipsychotic medication inception in antipsychotic-naive youth at clinical high risk for psychosis
Notice bibliographique
Résumé
Abstract Background Antipsychotic (AP) medication in individuals at clinical high risk for psychosis (CHR-P) is not routinely recommended by clinical guidelines but is commonly prescribed. Since little is known about the predictors of AP inception in CHR-P, we analyzed data from two observational cohorts. Methods To avoid baseline predictors being confounded by previous treatment, participants were selected for analysis from the 764 participants at CHR-P enrolled in NAPLS-2 and the 710 enrolled in NAPLS-3 by excluding those with lifetime histories of AP use. Baseline clinical variables available in both studies were employed as predictors of subsequent AP inception over the next 6 months in univariable and multivariable analyses. Results Preliminary analyses indicated no important effects of sample. The final combined population included 79 AP inception participants and 580 participants who did not have AP inception. The AP medications most commonly prescribed were risperidone, aripiprazole, and quetiapine. Univariable analyses identified seven significant predictors of AP inception. The final logistic regression model including these variables was highly significant (χ 2 = 36.53, df = 7, p = <0.001). Three variables (current major depression , fewer education years, and current benzodiazepine use) emerged as significant independent predictors of AP inception. Conclusion This study is the first to determine baseline characteristics that predict subsequent AP initiation in CHR-P. Some AP use in CHR-P appears to be intended as augmentation of antidepressant treatment for comorbid major depression. Some prescribers may not have detected the attenuated positive symptoms characteristic of CHR-P since their severity did not significantly predict AP inception.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».