Concurrent psychiatry for patients enrolled in opioid agonist treatment: a propensity score matched cohort study in Ontario Canada
Notice bibliographique
Résumé
OBJECTIVE: The objective was to characterize the relationship between geography, concurrent psychiatric services, all-cause mortality, and acute health care use for individuals enrolled in Opioid Agonist Treatment, in Ontario, Canada. METHODS: We conducted a propensity score matching study of patients enrolled in Opioid Agonist Treatment in Ontario for the first time between January 1, 2011, and December 31, 2015. We first compared outcomes between patients who were actively engaged and patients who were not actively engaged in Opioid Agonist Treatment. We created treatment and a control groups on the basis of an individual's access to psychiatric care within an episode of Opioid Agonist Treatment. Relative risk and number needed to treat were calculated to determine the correlation between psychiatric care and health outcomes among patients enrolled in Opioid Agonist Treatment at two time points within an episode of care and for two geographic regions in Ontario (north and south). RESULTS: During the first year of Opioid Agonist Treatment, concurrent psychiatric care was associated with a reduction in all-cause mortality in southern Ontario (RR 0.80, 95% CI, 0.73-0.87), a reduction in emergency department visits in both northern and southern Ontario (north: RR = 0.76, 95% CI, 0.72-0.81; south: RR = 0.87, 95% CI, 0.86-0.88), and a reduction in hospitalizations (north: RR = 0.88, 95% CI. 0.82-0.94, south: RR = 0.92, 95% CI, 0.91-0.93). CONCLUSION: Our findings have significant clinical and political implications for health system planning highlighting the need for integrated mental health and addiction services for individuals with Opioid Use Disorder.
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) | 0,001 | 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 ».