Beyond Treatment and Diagnosis: Investigating the Depth and Geographic Distribution of Research on Holistic Recovery for First-Episode Psychosis Patients
Notice bibliographique
Résumé
First-Episode Psychosis (FEP) refers to individuals early in the course of a psychotic illness or treatment for psychotic symptoms. This intervention period is especially critical in supporting the clinical recovery of patients. However, there is limited research examining non-clinical topics, such as social functioning, quality of life, employment, and social inclusion, for individuals treated for FEP in the United States. Understanding non-clinical impairments, behaviors, and life outcomes is crucial for enhancing comprehensive care that supports the overall reintegration of patients into society. This descriptive review aims to identify geographic trends in how these factors have been studied in patients treated for First-Episode Psychosis (FEP). A search strategy was developed using a search of the term "First-Episode Psychosis" on Google Scholar to gather the 500 most relevant results, irrespective of researcher nationality or geographical context. Following this, studies addressing non-clinical life outcomes were categorized into 8 subtopics and analyzed based on geographic distribution between these categories. The results suggest that the United States lags behind countries like the United Kingdom, Australia, and Canada in non-clinical first-episode psychosis (FEP) research. Strengthening U.S. research in these domains could drive policy change by demonstrating service needs, potentially justifying further expansion of holistic care models like Coordinated Specialty Care (CSC)
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».