The association between age of onset of opioid use and comorbidity among opioid dependent patients receiving methadone maintenance therapy
Notice bibliographique
Résumé
BACKGROUND: Opioid use disorder (OUD) affects approximately 21.9 million people worldwide. This study aims to determine the association between age of onset of opioid use and comorbid disorders, both physical and psychiatric, in patients receiving methadone maintenance treatment (MMT) for OUD. Understanding this association may inform clinical practice about important prognostic factors of patients on MMT, enabling clinicians to identify high-risk patients. METHODS: This study includes data collected between June 2011 and August 2016 for the Genetics of Opioid Addiction research collaborative between McMaster University and the Canadian Addiction Treatment Centers. All patients were interviewed by trained health professionals using the Mini-International Neuropsychiatric Interview and case report forms. Physical comorbidities were verified using patients' electronic medical records. A multi-variable logistic regression model was constructed to determine the strength of the association between age of onset of opioid use and the presence of physical or psychiatric comorbidity while adjusting for current age, sex, body mass index, methadone dose and smoking status. RESULTS: Data from 627 MMT patients with a mean age of 38.8 years (SD = 11.07) were analyzed. Individuals with an age of onset of opioid use younger than 18 years were found to be at higher odds for having a physical or psychiatric comorbid disorder compared to individuals with an age of onset of opioid use of 31 years or older (odds ratio 2.94, 95% confidence interval 1.20, 7.19, p = 0.02). A significant association was not found between the risk of having a comorbidity and an age of onset of opioid use between 18 and 25 years or 26 and 30 years, compared to an age of onset of opioid use of 31 years or older. CONCLUSION: Our study demonstrates that the younger one begins to use opioids, the greater their chance of having a physical or psychiatric co-morbidity. Understanding the risk posed by an earlier onset of opioid use for the later development of comorbid disorders informs clinical practice about important prognostic predictors and aids in the identification of 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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».