Self-Reports of Illegal Activity, SCL-90–R Personality Scales, and Urine Tests in Methadone Patients
Notice bibliographique
Résumé
In routine work, medical staff usually has to rely on the patient's self-reports of criminal activity and of recent involvement in fights. This study examines how these self-reports of crime correlate with the patients' routine urine tests and personality measures. Pearson correlations of these self-reports by 55 methadone patients (M age = 34.1 yr., SD = 9.1; 35 men, 20 women) were calculated to their urine screening tests (those for opiates, benzodiazepines, and cocaine) and to personality scores on the Symptom Checklist 90-Revised (SCL-90-R). Patients who reported being involved in recent illegal activities to obtain drugs had significantly higher scores on the SCL-90-R scale assessing obsessive-compulsive symptoms (r = .28) and had more frequent positive urine tests for cocaine (r = .35). Those who reported having engaged in fights within the last 12 mo. had higher scores on SCL-90-R measures of somatic complaints (r = .32), anxiety (r = .31), and depression (r = .29), and of overall psychopathology (r = .29), and they also had more often positive urine tests for cocaine (r = .28) than other patients. Studies on larger samples are needed to help clinicians to predict criminal or hostile behavior during methadone treatment.
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 | 0,001 | 0,001 |
| 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 ».