High‐intensity cannabis use is associated with retention in opioid agonist treatment: a longitudinal analysis
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Cannabis use is common among people on opioid agonist treatment (OAT), causing concern for some care providers. However, there is limited and conflicting evidence on the impact of cannabis use on OAT outcomes. Given the critical role of retention in OAT in reducing opioid-related morbidity and mortality, we aimed to estimate the association of at least daily cannabis use on the likelihood of retention in treatment among people initiating OAT. As a secondary aim we tested the impacts of less frequent cannabis use. DESIGN: Data were drawn from two community-recruited prospective cohorts of people who use illicit drugs (PWUD). Participants were followed for a median of 81 months (interquartile range = 37-130). SETTING: Vancouver, Canada. PARTICIPANTS: This study comprised a total of 820 PWUD (57.8% men, 59.4% of Caucasian ethnicity, 32.2% HIV-positive) initiating OAT between December 1996 and May 2016. The proportion of women was higher among HIV-negative participants, with no other significant differences. MEASUREMENTS: The primary outcome was retention in OAT, defined as remaining in OAT (methadone or buprenorphine/naloxone-based) for two consecutive 6-month follow-up periods. The primary explanatory variable was cannabis use (at least daily versus less than daily) during the same 6-month period. Confounders assessed included: socio-demographic characteristics, substance use patterns and social-structural exposures. FINDINGS: In adjusted analysis, at least daily cannabis use was positively associated with retention in OAT [adjusted odds ratio (aOR) = 1.21, 95% confidence interval (CI) = 1.04-1.41]. Our secondary analysis showed that compared with non-cannabis users, at least daily users had increased odds of retention in OAT (aOR = 1.20, 95% CI = 1.02-1.43), but not less than daily users (aOR = 1.00, 95% CI = 0.87-1.14). CONCLUSIONS: Among people who use illicit drugs initiating opioid agonist treatment in Vancouver, at least daily cannabis use was associated with approximately 21% greater odds of retention in treatment compared with less than daily consumption.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».