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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».