Characteristics of adherence to methadone maintenance treatment over a 15-year period among homeless adults experiencing mental illness
Notice bibliographique
Résumé
Methadone maintenance treatment (MMT) has important protective effects related to reduced illicit opioid use, infectious disease transmission, and overdose mortality. Adherence to MMT has not been examined among homeless people. We measured MMT adherence and reported relevant characteristics among homeless adults experiencing mental illness in Vancouver, British Columbia, Canada. Homeless adults living with mental illness who had received MMT prior to the baseline interview of the Vancouver At Home study (n = 78) were included in analyses. The medication possession ratio (MPR) was used to estimate MMT adherence from retrospective administrative pharmacy and public health insurance data collected across 15 years. Independent sample t tests and one-way ANOVA were used to test for significant differences in MMT MPR by participant characteristics. Mean MMT MPR was 0.47. A large proportion of participants reported blood-borne infectious disease, three or more chronic physical health conditions, and substance use. Being single and never married was associated with significantly lower MMT MPR (0.40 vs. 0.55, p = 0.036), while living with schizophrenia, bipolar disorder, or a mood disorder with psychotic features was associated with significantly higher MMT MPR (0.54 vs. 0.37, p = 0.022). Daily drug use (excluding alcohol) was associated with significantly lower MMT MPR (0.39 vs. 0.54, p = 0.051). The level of adherence to MMT was very low among homeless adults experiencing mental illness. Efforts are needed to improve adherence to MMT as a means of reducing illicit substance use, preventing overdose deaths, and attenuating infectious disease transmission.
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 | 0,000 |
| Études des sciences et des technologies | 0,002 | 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) | 0,001 | 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 ».