Psychosis and Comorbid Opioid Use Disorder: Characteristics and Outcomes in Opioid Substitution Therapy
Notice bibliographique
Résumé
Abstract Background and Objectives Substance use disorders are highly prevalent among individuals with psychotic disorders and are associated with negative outcomes. This study aims to explore differences in characteristics and treatment outcomes for individuals with psychotic disorders when compared with individuals with other nonpsychotic psychiatric disorders enrolled in treatment for opioid use disorder (OUD). Methods Data were collected from a prospective cohort study of 415 individuals enrolled in outpatient methadone maintenance treatment (MMT). Psychiatric comorbidity was assessed using the Mini-International Neuropsychiatric Interview. Participants were followed for 12 months. Participant characteristics associated with having a psychotic disorder versus another nonpsychotic psychiatric disorder were explored by logistic regression analysis. Results Altogether, 37 individuals (9%) with a psychotic disorder were identified. Having a psychotic disorder was associated with less opioid-positive urine drug screens (odds ratio [OR] = 0.97, 95% confidence interval [CI] = 0.95, 0.99, P = .046). Twelve-month retention in treatment was not associated with psychotic disorder group status (OR = 0.73, 95% CI = 0.3, 1.77, P = .485). Participants with psychotic disorders were more likely to be prescribed antidepressants (OR = 2.12, 95% CI = 1.06, 4.22, P = .033), antipsychotics (OR = 3.57, 95% CI = 1.74, 7.32, P = .001), mood stabilizers (OR = 6.61, 95% CI = 1.51, 28.97, P = .012), and benzodiazepines (OR = 2.22, 95% CI = 1.11, 4.43, P = .024). Discussion and Conclusions This study contributes to the sparse literature on outcomes of individuals with psychotic disorders and OUD-receiving MMT. Rates of retention in treatment and opioid use are encouraging and contrast to the widely held belief that these individuals do more poorly in treatment. Higher rates of coprescription of sedating and QTc-prolonging medications in this group may pose unique safety concerns.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».