MétaCan
Menu
Retour à la cohorte
Enregistrement W2854600633 · doi:10.1080/14659891.2018.1489006

Evaluation of a substance use treatment program for forensic psychiatric inpatients

2018· article· en· W2854600633 sur OpenAlexaff
Aleks Milosevic, Adekunle G. Ahmed, Dawn Adamson, Steven F. Michel, Nicole C. Rodrigues, Michael C. Seto

Notice bibliographique

RevueJournal of Substance Use · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensUniversity of OttawaRoyal Ottawa Mental Health Centre
Organismes subventionnairesnon disponible
Mots-clésUrinalysisSubstance useForensic sciencePsychiatryPsychological interventionSubstance abuseClinical psychologyPsychologyUrineMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

There have been few evaluations of substance use interventions for forensic psychiatric patients. In this study, we evaluated a manualized substance use treatment for forensic inpatients by comparing 35 treatment completers (who attended 75% or more of their sessions) and 30 non-completers (less than 75%) on self-report and urinalysis measures. The treatment completer group showed significant increases in substance-related knowledge and self-reported relapse prevention skills, but there was no significant difference between completers and non-completers in time to first substance use (if any) or in having a positive urine screen result 12 or 24 months after participation in the program. The results indicated improvement in knowledge and self-reported skills, but this did not translate to decreased substance use as measured by urinalysis. Implications for substance use treatment are discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,080
Score d'incertitude au seuil0,822

Scores Codex et Gemma par catégorie

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

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 Opus0,117
Tête enseignante GPT0,367
Écart entre enseignants0,250 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Substance UseMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207