Abstinence Among Alcohol Use Disorder Patients During the COVID‐19 Pandemic: Insights From Spain
Notice bibliographique
Résumé
BACKGROUND: Patients with alcohol use disorder (AUD) are likely to suffer disproportionate harms related to the COVID-19 pandemic and related policy measures. While many surveys have been conducted, most are focused on drinking changes in the general population and validation with biological markers is lacking. METHOD: We performed a retrospective cohort study among patients with AUD attending a urine drug screening program. With mixed-effects logistic regression models, we assessed the probability of screening positive for ethyl glucuronide according to patients' main clinical characteristics and time of analysis (either prior to or after a lockdown was implemented in Spain). RESULTS: A total of 362 patients provided 2,040 urine samples (1,295 prior to lockdown, 745 during lockdown). The mean age of participants was 52.0 years (SD 12.6), and 69.2% were men. Of the 43% of patients tested for other drugs 22% screened positive. After adjusting for all covariates, the odds of screening positive for ethyl glucuronide during lockdown almost doubled (OR = 1.99, 95% CI 1.20 to 3.33, p = 0.008). Other significant covariates included testing positive for other drugs (OR = 10.79, 95% CI 4.60 to 26.97) and length of treatment (OR = 0.59, 95% CI 0.47 to 0.74). CONCLUSIONS: Our data support an association between the lockdown due to COVID-19 and increased alcohol use in patients with AUD. Thus, addiction healthcare systems could face significant challenges ahead. In light of these findings, it is essential to evaluate prospectively how patients with AUD are affected by the pandemic and how health systems respond to their needs.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».