Fitxers
Tipus de document
ArticleVersió
Versió publicadaData de publicació
Llicència de publicació
Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/218696
Identifying clinical clusters with distinct trajectories in first-episode psychosis through an unsupervised machine learning technique
Títol de la revista
Director/Tutor
ISSN de la revista
Títol del volum
Recurs relacionat
Resum
La gran variabilitat en la presentació de símptomes en la psicosi incipient suggereix l’existència de diferents subgrups amb evolucions i necessitats de tractament diverses. Aquest estudi analitza l’estructura dimensional dels símptomes i identifica trajectòries clíniques i factors de risc associats a una pitjor recuperació en pacients amb un primer episodi de psicosi no afectiva. S’han identificat diverses dimensions simptomàtiques i diferents subgrups clínics tant a l’inici com al seguiment. Factors com una baixa dosi d’antipsicòtics, símptomes depressius greus i antecedents familiars de trastorns psiquiàtrics es relacionen amb una evolució desfavorable, mentre que una alta reserva cognitiva i un bon ajust premòrbid podrien afavorir una millor recuperació. Aquest estudi contribueix a comprendre millor l’heterogeneïtat de la psicosi incipient i destaca la importància de la detecció precoç per millorar el pronòstic i preservar la funció psicosocial.
Matèries
Matèries (anglès)
Citació
Citació
AMORETTI GUADALL, Silvia, et al. Identifying clinical clusters with distinct trajectories in first-episode psychosis through an unsupervised machine learning technique. European Neuropsychopharmacology. 2021. Vol. 47, num. 112-129. ISSN 0924-977X. [consulted: 11 of August of 2026]. Available at: https://hdl.handle.net/2445/218696