Alcohol use disorder severity and reported reasons not to seek treatment: a cross-sectional study in European primary care practices
Notice bibliographique
Résumé
BACKGROUND: Alcohol use disorders are among the mental disorders with the lowest treatment rates. Increasing the treatment rates requires insight on the reasons why patients do not seek treatment. This study examined self-reported reasons for not seeking treatment and their association with alcohol use disorder severity among primary health care patients diagnosed with an alcohol use disorder. METHODS: Alcohol use disorders, health service utilization, and reasons for not seeking treatment were assessed via interviews on regionally representative samples of primary care patients from 6 European countries (Italy, Germany, Hungary, Latvia, Poland and Spain, total N = 9,098). Additionally, general practitioners had to fill in a questionnaire assessing their patients' alcohol use and alcohol use disorders. A multinomial logistic regression was performed to investigate the association between reasons for not seeking treatment and alcohol use disorder severity. RESULTS: Of 1,008 patients diagnosed with an alcohol use disorder (via general practitioner or patient interview) in the past 12 months, the majority (N = 810) did not receive treatment and 251 of those gave a reason for not seeking treatment. The most frequent reason was 'lack of problem awareness' (55.3% of those who responded), the second most common response was 'stigma or shame' (28.6%), followed by 'encounter barriers' (22.8%) and 'cope alone' (20.9%). The results indicated lower probabilities of reporting 'denial' and higher probabilities to report 'encounter barriers' as alcohol use disorders severity increases. However, both trends were discontinued for patients with severe alcohol use disorders. CONCLUSIONS: Particularly at lower levels of alcohol use disorder severity, a lack of problem awareness prevents patients from seeking treatment. Routinely alcohol consumption monitoring in primary care practices could help primary and secondary prevention of alcohol use disorders and increase treatment coverage.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».