Naturalistic exploratory study of the associations of substance use on ADHD outcomes and function
Notice bibliographique
Résumé
BACKGROUND: Although Attention Deficit Hyperactivity Disorder (ADHD) is associated with an increased risk of substance use disorder (SUD), existing literature on how SUD interacts with ADHD outcomes is limited. This study investigates whether SUD among individuals with ADHD is associated with worse ADHD outcomes and prognosis, and the association between overall functioning and SUD. In addition, we seek to understand whether heavy cannabis use is a better predictor of poorer outcomes compared to SUD status alone. METHOD: We conducted a retrospective analysis on 50 ADHD patient charts, which were allocated based on SUD status. Subgroup analysis was performed on the total sample population, with allocation based on heavy cannabis use. Mann-Whitney and Chi-Square tests were used for both the primary and subgroup analyses. RESULTS: SUD status highly correlated with more ADHD-related cognitive impairments and poorer functional outcomes at the time of diagnosis. ADHD patients with comorbid ADHD-SUD scored significantly lower (p = < 0.0001) on objective cognitive testing (Integrated Auditory and Visual Continuous Performance Test (IVA/CPT)) than ADHD patients without SUD. The correlation with poorer ADHD outcomes was more pronounced when groups were allocated based on heavy cannabis use status; in addition to significantly lower IVA/CPT scores (p = 0.0011), heavy cannabis use was associated with more severe fine motor hyperactivity and self-reported hyperactivity/impulsivity scores (p = 0.0088 and 0.0172, respectively). CONCLUSION: Future research is needed to determine how substance abuse can be a barrier to improved ADHD outcomes, and the effect cannabis and other substances have on cognitive function and pharmacotherapy of ADHD.
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 ».