Hypertension, chronic obstructive pulmonary disease, diabetes and depression among older methadone maintenance patients in <scp>B</scp>ritish <scp>C</scp>olumbia
Notice bibliographique
Résumé
INTRODUCTION AND AIMS: Risk factors in older methadone maintenance treatment (MMT) patients may put them at a greater risk of acquiring chronic diseases; however, this group might experience barriers to treatment resulting in reduced recommended prescriptions. The research objective for this study was to assess whether MMT patients were significantly different from a matched control group in terms of medications dispensed for hypertension, chronic obstructive pulmonary disease (COPD), diabetes and depression. DESIGN AND METHODS: The research design was a case-control study, where prescription claims data from the British Columbia database were used. MMT patients 50 years of age and older were randomly selected, and control subjects were individually matched in terms of age, sex, social assistance coverage and geographic jurisdiction. RESULTS: Each group consisted of 199 participants. Odds ratios (OR) were calculated to compare the odds of MMT patients to non-MMT patients on a first-line medication for each chronic disease under investigation. The MMT group was significantly more likely to receive medications for COPD (OR = 32.68, P < 0.001) and depression (OR = 4.07, P < 0.001), and no significant differences for hypertension (OR = 0.86) or diabetes (OR = 0.74). DISCUSSION: Higher rates of COPD among MMT clients is likely explained by elevated smoking, and higher rates of depression may be explained by multiple disadvantages associated with substance use. Although the groups were similar for diabetes prescriptions, the MMT group likely experienced barriers to receiving treatment since prior research suggests their rates should be elevated due to methadone use.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».