Exploring the Association between Lifetime Prevalence of Mental Illness and Transition from Substance Use to Substance Use Disorders: Results from the National Epidemiologic Survey of Alcohol and Related Conditions (NESARC)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: The association between substance use disorders (SUDs) and mental illness (MI) has been well established. Previous studies reporting this association in various clinical populations have not taken into account former substance use. This may be important as increased prevalence of substance use among individuals with MI may partially explain the strong association between SUDs and MI. METHODS: In this study we included only individuals with previous substance use and explored the association between lifetime diagnosis of MI and transition from substance use to SUDs. Analyses were conducted across six different categories of substances (alcohol, nicotine, cannabis, cocaine, hallucinogens, inhalants) based on a large representative US sample, the National Epidemiologic Survey of Alcohol and Related Conditions (NESARC, n = 43,093). RESULTS: Lifetime diagnoses of any MI, and particularly personality disorders and psychotic disorders, were found to be associated with higher prevalence of transition from substance use to SUDs across most categories of substances. This association was particularly strong for nicotine (adjusted OR = 2.95 (2.72-3.20)). CONCLUSIONS AND SCIENTIFIC SIGNIFICANCE: This cross-sectional study expands on previous research by highlighting the association between lifetime diagnosis of any MI and increased rates of transition from substance use to SUDs across a range of substances. Longitudinal studies exploring temporal effects of this association are further needed.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle