Impact of tobacco, alcohol and cannabis use on treatment outcomes among patients experiencing first episode psychosis: Data from the national RAISE‐ETP study
Notice bibliographique
Résumé
AIM: The primary aim of this study was to examine the effect of recent tobacco, alcohol and cannabis use on treatment outcomes among participants experiencing first episode psychosis (FEP). METHODS: Secondary data analyses were conducted on 404 participants enrolled in the Recovery After an Initial Schizophrenia Episode-Early Treatment Program (RAISE-ETP) study. RAISE-ETP investigated the effectiveness of a coordinated specialty care (CSC) intervention for FEP in community mental health agencies in the United States. Generalized estimating equations were used to examine whether recent tobacco smoking, alcohol, and cannabis use at baseline were associated with illness severity, number of antipsychotic pills missed, psychiatric symptoms and quality of life during the 24-month treatment period, after controlling for duration of untreated psychosis and treatment group. RESULTS: At baseline, roughly 50% (n = 209) of participants reported recent tobacco, 28% (n = 113) alcohol and 24% (n = 95) cannabis use. Tobacco smokers had higher levels of illness severity (β = .24; P < .005), a higher number of missed pills (β = 2.89; P < .05), higher psychiatric symptoms and lower quality of life during treatment relative to non-smokers. Alcohol users had a higher number of missed pills (β = 3.16; P < .05) during treatment and cannabis users had higher levels of illness severity (β = .18; P < .05) and positive symptoms (β = 1.56; P < .05) relative to non-users. CONCLUSIONS: Tobacco, alcohol and cannabis use are common in youth seeking treatment for FEP. Tobacco smoking was associated with more negative clinical outcomes. These findings have implications for including interventions targeting these areas of substance use within current CSC models.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».