Recovery Goals and Long-term Treatment Preference in Persons Who Engage in Nonmedical Opioid Use
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: While most opioid use disorder (OUD) treatment providers consider opioid abstinence to be the preferred outcome, little is known about the treatment preferences of the larger population of individuals who engage in nonmedical opioid use and have not yet sought treatment. This study sought to descriptively quantify the proportion of out-of-treatment individuals with nonmedical opioid use that have abstinent and nonabstinent recovery goals. METHODS: Participants (N = 235) who engage in nonmedical opioid use and met self-reported criteria for OUD were recruited online and participated in a cross-sectional survey on recovery goals and treatment perceptions. Participants were dichotomized as having either abstinent (70.6%) or nonabstinent (29.4%) recovery goals. Participants were presented with 13 treatment options and asked which treatment they would "try first" and which treatment they thought would be the best option for long-term recovery. RESULTS: Persons in the nonabstinent group were more likely to want to continue use of prescription opioids as prescribed by a physician compared with the abstinent group (χ[1] = 9.71, P = 0.002). There were no group differences regarding preference for individual OUD treatments. The most frequently endorsed treatments that participants would "try first" were physician visits (23.4%), one-on-one counseling (18.7%), and 12-step groups (13.2%), whereas the most frequently endorsed treatments for long-term recovery were one-on-one counseling (17.4%), residential treatment (16.7%), and buprenorphine (15.3%). CONCLUSION: Public health initiatives to engage out-of-treatment individuals should take into account recovery goals and treatment preferences to maximize treatment initiation and retention.
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.
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 | 0,001 | 0,000 |
| 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 | 0,001 |
| 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 découle