Medical Detoxification for Nonopioid Substances Is Associated With Lower Likelihood of Subsequent Linkage to Substance Use Disorder Treatment
Notice bibliographique
Résumé
BACKGROUND: Although factors associated with completion of medical detoxification treatment for substance use disorders (SUD) are well described, there is limited information on barriers and facilitators to subsequent linkage to SUD treatment in the community. This study aimed to evaluate correlates of successful linkage to community SUD treatment on discharge. METHODS: Data were drawn from 2 prospective cohorts of people who use unregulated drugs in Vancouver, Canada between December 2012 and May 2018. Multivariable generalized estimating equations were used to investigate factors associated with linkage to community SUD treatment in the 6-month period after attending detoxification treatment. RESULTS: Of the 264 detoxification treatment encounters contributed by 178 people who use unregulated drugs, these were most often (n = 104, 39%) related to polysubstance use, and the majority (n = 174, 66%) resulted in subsequent linkage to community treatment. In the multivariable analysis, compared to attending detoxification treatment for opioid use, attending detoxification treatment for stimulants (adjusted odds ratio [AOR] = 0.23, 95% confidence interval [CI] : 0.10-0.51) and alcohol (AOR = 0.17, 95% CI: 0.06-0.54) were associated with lower odds of subsequent linkage to community treatment. Conversely, later calendar year of detoxification treatment remained associated with higher odds (AOR = 1.23, 95% CI: 1.06-1.42). CONCLUSIONS: Only two-thirds of detoxification treatment encounters in Vancouver were subsequently linked to community SUD treatment, with those related to nonopioid substances being less likely. Findings suggest the need for tailored interventions for specific substances to improve linkage to SUD treatment in the community on discharge.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».