Characterizing Durations of Heroin Abstinence in the California Civil Addict Program: Results From a 33-Year Observational Cohort Study
Notice bibliographique
Résumé
In accordance with the chronic disease model of opioid dependence, cessation is often observed as a longitudinal process rather than a discrete endpoint. We aimed to characterize and identify predictors of periods of heroin abstinence in the natural history of recovery from opioid dependence. Data were collected on participants from California who were enrolled in the Civil Addict Program from 1962 onward by use of a natural history interview. Multivariate regression using proportional hazards frailty models was applied to identify independent predictors and correlates of repeated abstinence episode durations. Among 471 heroin-dependent males, 387 (82.2%) reported 932 abstinence episodes, 60.3% of which lasted at least 1 year. Multivariate analysis revealed several important findings. First, demographic factors such as age and ethnicity did not explain variation in durations of abstinence episodes. However, employment and lower drug use severity predicted longer episodes. Second, abstinence durations were longer following sustained treatment versus incarceration. Third, individuals with multiple abstinence episodes remained abstinent for longer durations in successive episodes. Finally, abstinence episodes initiated >10 and ≤20 years after first use lasted longer than others. Public policy facilitating engagement of opioid-dependent individuals in maintenance-oriented drug treatment and employment is recommended to achieve and sustain opioid abstinence.
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 | 0,004 |
| 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 ».