Alcohol and drug use among clients receiving internet-delivered cognitive behavior therapy for anxiety and depression in a routine care clinic – Demographics, use patterns, and prediction of treatment completion and outcomes
Notice bibliographique
Résumé
BACKGROUND: Research shows that alcohol and drug use among mental health clients is common and has the potential to negatively impact treatment outcomes. Internet-delivered cognitive behavior therapy (ICBT) as a treatment for anxiety and depression is on the rise, but little is known about the prevalence of alcohol and drug use among clients and how this use affects treatment completion and outcomes. OBJECTIVE: The objective of the current study was to explore the prevalence of alcohol and drug use among clients in ICBT for depression and anxiety, and to investigate the impact of alcohol and drug use on treatment completion and symptom outcomes. MATERIAL AND METHODS: Data was collected from 1155 clients who participated in two randomized ICBT trials for depression and anxiety, conducted in a routine care clinic. Thirty-five individuals reporting severe substance use when applying to the trials were excluded. Demographic variables, and alcohol and drug use were measured at screening, and measures of depression and anxiety were administered at pre- and post-treatment. RESULTS: Four out of five clients reported having used alcohol in the past year, while one in five reported having used drugs in the past year. Around a third of clients had reported either problematic alcohol use, drug problems, or both. The analyses showed that drug problems, and combined alcohol and drug problems were negatively associated with treatment completion, but neither alcohol nor drug use had an impact on depression and anxiety outcomes. CONCLUSIONS: Alcohol and drug problems are likely to be present among a large proportion of patients using ICBT for anxiety and depression. This may not be a barrier to treatment benefit, at least when those with severe alcohol and drug problems have been excluded.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».