Self‐Reported Psychotic Disorders among Individuals with Substance Use Disorders: Findings from the National Epidemiologic Survey on Alcohol and Related Conditions
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: Comorbidity of substance use disorders (SUDs) and psychotic disorders (PDs) presents many challenges in diagnosis and treatment. Most reports to-date focus on the prevalence of SUDs among clinical populations of patients with PDs, and there is a lack of data pertaining to rates of PDs among individuals with substance use and SUDs. METHODS: We analyzed data on 43,093 respondents age 18 and above from the National Epidemiologic Survey on Alcohol and Related Conditions, a nationally representative US survey (Wave 1, 2001-2002). Cross-tabulations were used to derive prevalence estimates of PDs among individuals with 12-month substance use or SUDs across 10 categories of substances. Odds ratios (ORs) were derived from bivariate logistic regression analyses to examine the relationships between lifetime PDs and 12-month substance use or SUDs for the specific categories of substances. RESULTS: Among individuals with 12-month substance use, prevalence of PDs was found to be elevated in 8 of 10 categories of substances, particularly among amphetamine (OR = 8.8) and cocaine (OR = 10.3) users compared to nonusers. Among individuals with SUDs, prevalence of PDs was elevated in 9 of 10 categories of substances compared to individuals without SUDs. CONCLUSIONS AND SCIENTIFIC SIGNIFICANCE: Our findings on the increased rates of PDs among substance users and individuals with SUDs across a wide range of substances emphasize the importance of screening for PDs while treating patients with substance use and SUDs. This may allow for early intervention and adequate referral to appropriate settings.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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