Effects of Cognitive Impairment on Substance Abuse Treatment Attendance: Predictive Validation of a Brief Cognitive Screening Measure
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Neuropsychological impairment among patients with substance use disorders (SUDs) contributes to poorer treatment processes and outcomes. However, neuropsychological assessment is typically not an aspect of patient evaluation in SUD treatment programs because it is prohibitively time and resource consuming. In a previous study, we examined the concurrent validity, classification accuracy, and clinical utility of a brief screening measure, the Montreal Cognitive Assessment (MoCA), in identifying cognitive impairment among SUD patients. To provide further evidence of criterion-related validity, MoCA classification should optimally predict a clinically relevant behavior or outcome among SUD patients. The purpose of this study was to examine the validity of the MoCA in predicting treatment attendance. METHODS: We compared previously collected clinical assessment data on 60 SUD patients receiving treatment in a program of short duration and high intensity to attendance data obtained via medical chart review. RESULTS: Though the proportion of therapy sessions attended did not differ between groups, cognitively impaired subjects were significantly less likely than unimpaired subjects to attend all of their group therapy sessions. CONCLUSION: These results complement our previous findings by providing further evidence of criterion-related validity of the MoCA in predicting a clinically relevant behavior (i.e., perfect attendance) among SUD patients. SCIENTIFIC SIGNIFICANCE: The capacity of the MoCA to predict a clinically relevant behavior provides support for its validity as a brief cognitive screening measure.
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 ».