Long-term mortality and associated factors in first episode psychosis: a 25-year follow-up study
Notice bibliographique
Résumé
BACKGROUND: Individuals with first-episode psychosis (FEP) face markedly increased excess mortality, yet the long-term trends and key contributing factors remain insufficiently characterized. This study aimed to examine long-term mortality patterns, standardized mortality ratios (SMRs), and associated factors in a FEP cohort. METHODS: This population-based cohort study included 1,389 individuals diagnosed with FEP, followed for up to 25 years. Mortality outcomes were obtained from Hong Kong's centralized hospital database (CMS) and coroner's court reports, with SMRs calculated. Baseline sociodemographic and clinical, as well as long-term treatment-related factors of all-cause, natural, and unnatural mortality were analyzed. RESULTS: Among 1,389 participants, 137 deaths (9.86%) occurred during the follow-up period with the overall SMR of 6.56 (95% CI, 5.50-7.71). The cumulative incidence rate of unnatural mortality increased sharply over the first 10 years and that of the natural cause of death started to increase after the first decade of the illness. Male gender and poorer social functioning were associated with increased all-cause mortality risk, while male gender, lower education, and baseline hospitalization raised unnatural mortality risk. Greater monthly antipsychotic variability during the first 10 years increased all-cause mortality risk in the period after the initial 10 years. CONCLUSIONS: This 25-year follow-up study of FEP highlighted the changes in the long-term mortality pattern of FEP and thus the phase-specific needs of individuals with FEP. Therefore, it is important to integrate physical care into mental health services, as well as stage-specific and individualized care for patients with psychotic disorders to reduce long-term excess mortality.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».