Preferences for research design and treatment of comorbid depression among patients with an opioid use disorder: A cross-sectional discrete choice experiment
Notice bibliographique
Résumé
BACKGROUND: Up to 74 % of people with an opioid use disorder (OUD) will experience depression in their lifetime. Understanding and addressing the concept of preference for depression treatments and clinical trial designs may serve as an important milestone in enhancing treatment and research outcomes. Our goal is to evaluate preferences for depression treatments and clinical trial designs among individuals with an OUD and comorbid depression. METHODS: We evaluated preferences for depression treatments and clinical trial designs using an online cross-sectional survey including a best-best discrete choice experiment. We recruited 165 participants from opioid agonist treatment clinics and community-based services in Calgary, Charlottetown, Edmonton, Halifax, Montreal, Ottawa, Quebec City, St. John's and Trois-Rivières, Canada. RESULTS: Psychotherapy was the most accepted (80.0 %; CI: 73.9-86.1 %) and preferred (31.5 %; CI: 24.4-38.6 %) treatment. However, there was a high variability in acceptability and preferences of depression treatments. Significant predictors of choice for depression treatments were administration mode depending on session duration (p < 0.001), access mode (p < 0.001) and treatment duration (p < 0.001). Significant predictors of choice for clinical trial designs were allocation type (p = 0.008) and monetary compensation (p = 0.033). Participants preferred participating in research compared to non-participation (p < 0.001). CONCLUSIONS: Accessibility and diversity of depression interventions, including psychotherapy, need to be enhanced in addiction services to ensure that all patients can receive their preferred treatment. Ensuring proper monetary compensation and comparing an intervention of interest with an active treatment might increase participation of depressed OUD patients in future clinical research initiative.
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 | 0,050 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».