Predictors of non-use of illicit heroin in opioid injection maintenance treatment of long-term heroin dependence
Notice bibliographique
Résumé
AIMS: To investigate baseline and concurrent predictors of non-use of illicit heroin among participants randomized to injectable opioids in the North American Opiate Medication Initiative (NAOMI) clinical trial. METHODS: NAOMI was an open-label randomized controlled trial comparing the effectiveness of injectable diacetylmorphine and hydromorphone for long-term opioid-dependency. Outcomes were assessed at baseline and during treatment (3, 6, 9, 12months). Days of non-use of illicit heroin in the prior month at each follow-up visit were divided into three categories: Non-use; Low use (1 to 7days) and High use (8days or more). Tested covariates were: Sociodemographics, Health, Treatment, Drug use and illegal activities. Mixed-effect proportional odds models with random intercept for longitudinal ordinal outcomes were used to assess the predictors of the non-use of illicit heroin. RESULTS: 139 participants were included in the present analysis. At each follow-up visit, those with non-use of illicit heroin represented 47.5% to 54.0% of the sample. Fewer days of cocaine use (p=0.074), fewer days engaged in illegal activities at baseline (p<0.01) and at each visit (p<0.01), less money spent on drugs (p<0.001), days with injection opioid or oral methadone treatment (p<0.001) and total mg of injectable opioids taken (p<0.001), independently predicted lower use of illicit heroin. CONCLUSIONS: The independent effect of several concurrent factors besides the injection of opioid dose suggests benefits from the clinic that go beyond the provision of the medication alone. Thus, this supervised model of care presents an opportunity to maximize the beneficial impact of medical and psychosocial components of the treatment on improving outcomes associated with non-use of illicit heroin.
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 | 0,000 |
| 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 ».