Attitudes toward opioid use disorder medications: Results from a U.S. national study of individuals who resolved a substance use problem.
Notice bibliographique
Résumé
= 1,946). We examined the prevalence of positive, neutral, and negative attitudes toward agonists, such as buprenorphine/naloxone and methadone, and antagonists, such as oral and extended-release depot injection naltrexone. Single-predictor logistic regression models tested for demographic, clinical, and recovery-related correlates of these attitudes and, for those significant at the .1 level, multivariable-predictor logistic regression models tested unique associations between these correlates and attitudes. Results showed that participants were equally likely to hold positive (21.4 [18.9-24.0]%) and negative agonist (23.8 [21.2-26.7]%) attitudes but significantly more likely to hold negative (30.3 [27.4-33.3]%) than positive antagonist attitudes (18.0 [15.9-20.4]%). Neutral attitudes were most commonly endorsed for both agonists (54.8 [51.6-57.9]%) and antagonists (51.7 [48.5-54.8]%). For agonists, more recent AOD problem resolution was a unique predictor of positive attitude, whereas Black and Hispanic races/ethnicities, compared with White, were unique predictors of negative attitude. For antagonists, older age group (45-59 and 60 + vs. 18-29 years), lifetime opioid antagonist medication prescription, and past 90-day non-12-step mutual-help attendance were unique predictors of positive attitude, whereas greater spirituality was a unique predictor of negative attitude. This population-level study of U.S. adults who resolved an AOD problem showed that agonist attitudes may be more positive than anecdotal evidence suggests. Certain characteristics and experiences, however, highlight a greater likelihood of negative attitudes, suggesting these factors may be potential barriers to OUD medication adoption. (PsycInfo Database Record (c) 2020 APA, all rights reserved).
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 ».