In-Person Versus Telehealth Setting for the Delivery of Substance Use Disorder Treatment: Ecologically Valid Comparison Study
Notice bibliographique
Résumé
Background The COVID-19 pandemic has profoundly transformed substance use disorder (SUD) treatment in the United States, with many web-based treatment services being used for this purpose. However, little is known about the long-term treatment effectiveness of SUD interventions delivered through digital technologies compared with in-person treatment, and even less is known about how patients, clinicians, and clinical characteristics may predict treatment outcomes. Objective This study aims to analyze baseline differences in patient demographics and clinical characteristics across traditional and telehealth settings in a sample of participants (N=3642) who received intensive outpatient program (IOP) substance use treatment from January 2020 to March 2021. Methods The virtual IOP (VIOP) study is a prospective longitudinal cohort design that follows adult (aged ≥18 years) patients who were discharged from IOP care for alcohol and substance use–related treatment at a large national SUD treatment provider between January 2020 and March 2021. Data were collected at baseline and up to 1 year after discharge from both in-person and VIOP services through phone- and web-based surveys to assess recent substance use and general functioning across several domains. Results Initial baseline descriptive data were collected on patient demographics and clinical inventories. No differences in IOP setting were detected by race (χ22=0.1; P=.96), ethnicity (χ22=0.8; P=.66), employment status (χ22=2.5; P=.29), education level (χ24=7.9; P=.10), or whether participants presented with multiple SUDs (χ28=11.4; P=.18). Significant differences emerged for biological sex (χ22=8.5; P=.05), age (χ26=26.8; P<.001), marital status (χ24=20.5; P<.001), length of stay (F2,3639=148.67; P<.001), and discharge against staff advice (χ22=10.6; P<.01). More differences emerged by developmental stage, with emerging adults more likely to be women (χ23=40.5; P<.001), non-White (χ23=15.8; P<.001), have multiple SUDs (χ23=453.6; P<.001), have longer lengths of stay (F3,3638=13.51; P<.001), and more likely to be discharged against staff advice (χ23=13.3; P<.01). Conclusions The findings aim to deepen our understanding of SUD treatment efficacy across traditional and telehealth settings and its associated correlates and predictors of patient-centered outcomes. The results of this study will inform the effective development of data-driven benchmarks and protocols for routine outcome data practices in treatment settings.
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 | 0,010 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».