MétaCan
Menu
Retour à la cohorte
Enregistrement W2755930302 · doi:10.1521/pedi_2017_31_307

Substance Misuse Is Associated With Increased Psychiatric Severity Among Treatment-Seeking Individuals With Borderline Personality Disorder

2017· article· en· W2755930302 sur OpenAlexafffund
Laura M. Heath, Lise Laporte, Joel Paris, Kevin Hamdullahpur, Kathryn Gill

Notice bibliographique

RevueJournal of Personality Disorders · 2017
Typearticle
Langueen
DomainePsychology
ThématiquePersonality Disorders and Psychopathology
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPsychiatryBorderline personality disorderImpulsivityPsychologySubstance abuseClinical psychologyMoodDual diagnosisPsychological interventionAddictionComorbidity

Résumé

récupéré en direct d'OpenAlex

Despite high prevalence rates of concurrent borderline personality disorder (BPD) and substance use disorders (SUDs), little is known about the impact of substance misuse on the presentation of BPD. Sixty-five individuals with BPD were assessed at intake and at 3- and 6-month follow-up. Assessment included validated instruments such as the Addiction Severity Index and the Revised Symptom Checklist (SCL-90-R). Over half (58.5%) of individuals entering treatment were currently misusing substances. Substance misuse was associated with more legal and employment problems, greater mood disturbance, impulsivity, and psychiatric severity, including almost all SCL-90-R subscales. For the majority of patients (58%), there was little change in substance misuse post-treatment. The high prevalence of substance misuse and its association with psychiatric severity among individuals with BPD suggest that substance misuse should be a targeted behavior during treatment, and further specialized interventions are needed for individuals with comorbid BPD and SUD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,311
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Personality DisordersMême sujetPersonality Disorders and PsychopathologyTravaux en français237 207