Shift in sex and age of individuals at a clinical high risk (CHR) for psychosis: relation to differences in recruitment methods and effect on sample characteristics
Notice bibliographique
Résumé
Historically, large samples of individuals at clinical high risk (CHR) for psychosis have mirrored overt psychotic disorders in both sex (predominantly male) and age representation (adolescent to early adulthood onset). We report on a recent CHR sample suggesting a shift in these distributions and explore contributing factors and clinical implications. We hypothesized that demographic differences would be related to recruitment sources and that age, sex, and recruitment sources would be related to baseline clinical profiles. Baseline data were included from the recent computerized assessment of psychosis risk (CAPR) study and the second and third waves of the North American Prodrome Longitudinal Study (NAPLS-2 and 3). Hierarchical regression was used to examine differences in sex, age, and recruitment sources between samples and relationships with clinical characteristics. Univariate analyses revealed a significant shift to female predominance, older age, and a change in recruitment source from NAPLS to CAPR. Multivariate analyses indicated that between-study differences in sex and age were conditional on recruitment source, with the apparent study effect driven by differences in the non-self-referred groups. More than 60% of participants recruited through internet self-referrals were female across samples. Clinical heterogeneity was partly related to age, sex, and recruitment source differences. Internet-based self-referrals were older and showed less severe negative symptoms, disorganization, and general symptoms and higher role functioning than non-self-referred participants. Findings highlight the importance of recruitment sources for CHR sample characteristics. Recruitment source effects, including those from internet sources, should be investigated in other CHR samples.
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 | 0,000 | 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 ».