The Montreal Cognitive Assessment as a predictor of dropout from residential substance use disorder treatment
Notice bibliographique
Résumé
BACKGROUND: Cognitive function is a challenge for many SUD patients, and residential SUD treatment is cognitively demanding. Treatment retention is a predictor for success in SUD treatment, and the literature links low cognitive function to increased dropout rates. In our study we investigate cognitive function and dropout in a residential SUD treatment setting, also accounting for psychological distress. METHODS: We screened a cohort (N = 142) of inpatients for cognitive function (MoCA®) and psychological distress (SCL-10) and calculated the relative risk for dropping out if over versus under the respective cut-off values (<26 and >1.85), and sex, and age-group (<23 years). We also employed a logistic regression with dropout as outcome and MoCA- and SCL-10 scores, and age and days before testing as input. RESULTS: Dropout risk was higher (RR = 1.70) if scoring below MoCA cut-off, and for those younger than 23 years (RR = 2.36). The other variables did not influence dropout risk. MoCA raw scores, age, and SCL-10 were associated with dropout (p < .05); with lower symptoms of psychological distress predicting increased dropout. The interaction between MoCA and SCL-10 scores was not significant (p = .26). CONCLUSIONS: SUD patients should routinely be screened for cognitive impairment, as it predicts dropout. Screenings should be ensued by appropriate adaptations to treatment and further assessment. The MoCA is a useful screening tool for this, independent of psychological distress. Future studies should replicate our findings, investigate specific interventions, and establish SUD population norms for the MoCA.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».