The Impact of Benzodiazepine Use on Methadone Maintenance Treatment Outcomes
Notice bibliographique
Résumé
The purposes of this study were to examine predictors of benzodiazepine use among methadone maintenance treatment patients, to determine whether baseline benzodiazepine use influenced ongoing use during methadone maintenance treatment, and to assess the effect of ongoing benzodiazepine use on treatment outcomes (i.e., opioid and cocaine use and treatment retention). A retrospective chart review of 172 methadone maintenance treatment patients (mean age = 34.6 years; standard deviation = 8.5 years; 64% male) from January 1997 to December 1999 was conducted. At baseline, 29% were "non-users" (past year) of benzodiazepine, 36% were "occasional users," and 35% were "regular/problem users." Regular/problem users were more likely to have started opioid use with prescription opioids, experienced more overdoses, and reported psychiatric comorbidity. Being female, more years of opioid use, and a history of psychiatric treatment were significant predictors of baseline benzodiazepine use. Ongoing benzodiazepine users were more likely to have opioid-positive and cocaine-positive urine screens during methadone maintenance treatment. Only ongoing cocaine use was negatively related to retention. Benzodiazepine use by methadone maintenance treatment patients is associated with a more complex clinical picture and may negatively influence treatment outcomes.
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 | 0,001 |
| 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 ».