Efficacy of extensive intervention models for substance use disorders: A systematic review
Notice bibliographique
Résumé
ISSUES: Despite a growing trend towards considering addiction as a chronic disease, the development of intervention models addressing the chronicity of substance use disorder is relatively new, and no literature review on this topic is available. The aim of this systematic review is to evaluate the efficacy of intervention models designed within the perspective of addiction as a chronic disease and those tailored to persons with substance use disorder who revolve in and out of treatment. APPROACH: Electronic databases were searched to identify articles published between 2000 and 2015 reporting an empirical study of an intervention model with data on its effectiveness. Study selection, data extraction and quality appraisal were performed independently by two reviewers. KEY FINDINGS: The selection process yielded 16 studies meeting all the inclusion criteria. The intervention models were classified into four groups according to the duration, frequency and components of the interventions. In general, the models showed potential therapeutic effects. The outcomes tended to be positive immediately after the end of the treatment. However, months after, the benefits obtained during treatment did not persist. IMPLICATIONS AND CONCLUSION: The review highlights that models designed specifically for persons with multiple treatment re-entries are scarce, but promising. Further research is needed to determine the best match between the clinical profile of persons with substance use disorder and a model's components, intensity and duration. [Simoneau H, Kamgang E, Tremblay J, Bertrand K, Brochu S, FleuryM-J. Efficacy of extensive interventionmodels for substance use disorders: A systematic review. Drug Alcohol Rev 2017;00:000-000].
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,003 |
| 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 ».