A Prospective Study to Investigate Predictors of Relapse among Patients with Opioid Use Disorder Treated with Methadone
Notice bibliographique
Résumé
INTRODUCTION: Concomitant opioid abuse is a serious problem among patients receiving methadone maintenance treatment (MMT) for opioid use disorder. This is an exploratory study that aims to identify predictors of the length of time a patient receiving MMT for opioid use disorder remains abstinent (relapse-free). METHODS: Data were collected from 250 MMT patients enrolled in addiction treatment clinics across Southern Ontario. The impact of certain clinical and socio-demographic factors on the outcome (time until opioid relapse) was determined using a Cox proportional hazard model. RESULTS: History of injecting drug use behavior (hazard ratio (HR): 2.26, P = 0.042), illicit benzodiazepine consumption (HR: 1.07, P = 0.002), and the age of onset of opioid abuse (HR: 1.10, P < 0.0001) are important indicators of accelerated relapse among MMT patients. Conversely, current age is positively associated with duration of abstinence from illicit opioid use, serving as a protective factor against relapse (HR: 0.93, P = 0.003). CONCLUSION: This study helps to identify patients at increased risk of relapse during MMT, allowing health care providers to target more aggressive adjunct therapies toward high-risk patients.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».