Integrated Treatment of Comorbid Depression and Substance Use Disorders
Notice bibliographique
Résumé
OBJECTIVE: The goals of this 6-month prospective study were to evaluate the effect of a current diagnosis of depression on the course and outcome of addiction treatment and to determine whether patients with depression received or required additional treatment compared with those without depression. METHOD: On entering addiction treatment, 75 men and 45 women with substance use disorders were assessed by clinical and semistructured interviews, Global Assessment Scale, Hamilton Rating Scale for Depression, Beck Depression Inventory, and revised 90-item Symptom Checklist. RESULTS: Forty-three patients (35.8%) met DSM-IV criteria for a current depressive disorder at intake into addiction treatment. The depressed patients had significantly (p < .0001) higher levels of psychopathology at intake. However, contrary to previous studies, they fared as well as the nondepressed patients in terms of all addiction outcome measures and all indicators of psychiatric status at 6 months. During the 6-month follow-up period, the depressed patients received more treatment than the nondepressed patients. Specifically, they had more psychiatric appointments, and they were more likely to require inpatient detoxification and to be prescribed new antidepressant medication regimens. CONCLUSION: Depression comorbidity may not have had a negative impact on the course and outcome of addiction treatment because the dual disorder was identified at the initial assessment, and integrated psychiatric care was available. It may be that additional treatment compensated for greater psychopathology among dual-disorder patients.
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 ».