Predictors of Long-Term Benzodiazepine Abstinence in Participants of a Randomized Controlled Benzodiazepine Withdrawal Program
Notice bibliographique
Résumé
OBJECTIVE: To identify predictors of resumed benzodiazepine use after participation in a benzodiazepine discontinuation trial. METHOD: We performed multiple Cox regression analyses to predict the long-term outcome of a 3-condition, randomized, controlled benzodiazepine discontinuation trial in general practice. RESULTS: Of 180 patients, we completed follow-up for 170 (94%). Of these, 50 (29%) achieved long-term success, defined as no use of benzodiazepines during follow-up. Independent predictors of success were as follows: offering a taper-off program with group therapy (hazard ratio [HR] 2.4; 95% confidence interval [CI], 1.5 to 3.9) or without group therapy (HR 2.9; 95% CI, 1.8 to 4.8); a lower daily benzodiazepine dosage at the start of tapering off (HR 1.5; 95% CI, 1.2 to 1.9); a substantial dosage reduction by patients themselves just before the start of tapering off (HR 2.1; 95% CI, 1.4 to 3.3); less severe benzodiazepine dependence, as measured by the Benzodiazepine Dependence Self-Report Questionnaire Lack of Compliance subscale (HR 2.4; 95%CI, 1.1 to 5.2); and no use of alcohol (HR 1.7; 95% CI, 1.2 to 2.5). Patients who used over 10 mg of diazepam equivalent, who had a score of 3 or more on the Lack of Compliance subscale, or who drank more than 2 units of alcohol daily failed to achieve long-term abstinence. CONCLUSIONS: Benzodiazepine dependence severity affects long-term taper outcome independent of treatment modality, benzodiazepine dosage, psychopathology, and personality characteristics. An identifiable subgroup needs referral to specialized care.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».