Substance Use and Abuse in First-Episode Psychosis: Prevalence Before and After Early Intervention
Notice bibliographique
Résumé
UNLABELLED: Despite the high prevalence of substance abuse among first-episode psychosis (FEP) populations, few studies examine whether early intervention (EI) improves substance abuse. OBJECTIVE: To examine the prevalence and pattern of substance use and abuse among an FEP sample over 12 months. METHODS: All the participants were diagnosed with a first episode of a schizophrenia spectrum disorder. The participants were followed prospectively. The prevalence rates of substance use and abuse from this sample were compared before and after 12 months of EI services and were compared with rates observed in a sample from the general population. RESULTS: A total of 200 participants (80.0% males; mean age 24 years) entered the study: 183 participants completed all the assessments at baseline, 131 participants completed all the assessments at 12 months. At baseline, the findings showed similar prevalence rates between the FEP sample and the general sample for lifetime cannabis use (60% vs 55%, respectively) and hazardous alcohol use (26% vs 21%) but significantly different prevalence rates for lifetime hallucinogen (29% vs 15%; P < .001) and cocaine use (20% vs 14%; P < .001). At 12 months, the prevalence rates for drug abuse (P < .01), hazardous alcohol use (P < .01), and concurrent drug abuse and hazardous alcohol use (P < .05) were significantly lower than at baseline. CONCLUSION: Substance use and abuse decreased significantly after 12 months of EI services; EI services may be able to detect and to reduce substance use among FEP patients before it becomes a more serious disorder.
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) | 0,000 | 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 ».