Alcohol Screening among Opioid Agonist Patients in a Primary Care Clinic and an Opioid Treatment Program
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
Problem alcohol use is associated with adverse health and economic outcomes, especially among people in opioid agonist treatment. Screening, brief intervention, and referral to treatment (SBIRT) are effective in reducing alcohol use; however, issues involved in SBIRT implementation among opioid agonist patients are unknown. To assess identification and treatment of alcohol use disorders, we reviewed clinical records of opioid agonist patients screened for an alcohol use disorder in a primary care clinic (n = 208) and in an opioid treatment program (n = 204) over a two-year period. In the primary care clinic, 193 (93%) buprenorphine patients completed an annual alcohol screening and six (3%) had elevated AUDIT scores. In the opioid treatment program, an alcohol abuse or dependence diagnosis was recorded for 54 (27%) methadone patients. Practitioner focus groups were completed in the primary care (n = 4 physicians) and the opioid treatment program (n = 11 counselors) to assess experience with and attitudes towards screening opioid agonist patients for alcohol use disorders. Focus groups suggested that organizational, structural, provider, patient, and community variables hindered or fostered alcohol screening. Alcohol screening is feasible among opioid agonist patients. Effective implementation, however, requires physician training and systematic changes in workflow.
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 | 0,000 | 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 découle