Neighborhood Characteristics and Social Functioning: Exploring Shared and Distinct Psychosocial Pathways Among Individuals at Clinical High-Risk for Psychosis
Notice bibliographique
Résumé
BACKGROUND AND HYPOTHESIS: Recent research suggests that environmental factors may contribute to psychosis through at least partially distinct pathways. This study examined how neighborhood socioeconomic deprivation and social fragmentation relate to impaired social functioning in individuals at clinical high risk for psychosis (CHR-P) via social and contextual risk factors. STUDY DESIGN: Data were collected from the North American Prodrome Longitudinal Study Phase 3. Neighborhood characteristics were geocoded using participant addresses at baseline. Social and contextual risk factors were derived from the Structural Assessment of Violence Risk in Youth. Social functioning was measured using the Global Assessment of Functioning: Social Scale. STUDY RESULTS: Neighborhood social fragmentation was associated with greater peer rejection (β = 0.11; 95% CI, 0.01-0.22, P = .034), which, in turn, was negatively associated with social functioning (β = -0.18; 95% CI, -0.23 to -0.12, P < .001). Both neighborhood social fragmentation (β = 0.18; 95% CI, 0.03-0.33, P = .022) and neighborhood socioeconomic deprivation (β = 0.34; 95% CI, 0.21-0.48, P < .001) were associated with greater community disorganization, which was negatively associated with social functioning (β = -0.08; 95% CI, -0.17 to -0.01, P = .046). Neighborhood socioeconomic deprivation had a direct negative association with social functioning (β = -0.15; 95% CI, -0.29 to -0.02, P = .03). CONCLUSIONS: This study identified shared and distinct pathways relating neighborhood characteristics to impaired social functioning among CHR-P individuals. Understanding how environmental factors impact social functioning may help develop effective interventions for youth at high risk.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| 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 ».