The Utility of Negative Symptoms in Predicting Transition to Psychosis Among Individuals at Clinical High Risk
Notice bibliographique
Résumé
BACKGROUND AND HYPOTHESIS: Negative symptoms are important and common concerns in individuals at clinical high risk for psychosis (CHR-P) but are not systematically utilized to predict or improve outcomes. We explored the ability of various negative symptom models to predict the onset of psychosis while controlling for potential secondary sources of these symptoms. STUDY DESIGN: A total of 581 participants from the North American Prodrome Longitudinal Study (NAPLS3) were assessed at baseline, 2-, 4-, and 6-month follow-up. This included 70 high-risk individuals who transitioned to psychosis (CHR-T) and 415 who did not transition to psychosis (CHR-NT), as well as 96 healthy controls (HCs). Attenuated positive and negative symptoms were rated on the Scale of Prodromal Symptoms. Three negative symptom models were evaluated: (1) total negative symptoms; (2) experiential and expressive negative symptoms; and (3) separate analyses for each negative symptom. Depressive symptoms were determined via the Calgary Depression Scale for Schizophrenia. STUDY RESULTS: Total negative symptoms differed significantly between all 3 groups across time, such that CHR-T > CHR-NT > HC (P < .001). This pattern remained after adjusting for positive and depressive symptoms (P < .001). Baseline negative symptom severity predicted psychosis (P = .007), even with positive and depressive symptoms included in the model. Similar results were observed for experiential (P = .016) and expressive (P = .027) negative symptoms as well as social anhedonia (P = .011) and ideational richness (P = .002). CONCLUSIONS: Our findings reinforce the importance of negative symptoms in predicting psychosis in CHR-P youth. The data support consideration of negative symptoms in predictive algorithms for enhancing early recognition and treatment strategies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».