An integrated substance use treatment model for young adults with first‐episode psychosis: A naturalistic pilot evaluation
Notice bibliographique
Résumé
AIM: Approximately 50% of individuals with first-episode psychosis meet criteria for a substance use disorder and these concurrent disorders are associated with worse long-term outcomes. Psychosocial interventions, including motivational interviewing as well as cognitive and behavioural therapies, have shown some evidence for effective treatment in substance use disorders; however, there is a paucity of existing studies that have successfully examined these interventions in first-episode psychosis. METHODS: Participants (n = 64) received the concurrent disorders intervention, which included individual support alongside participation in at least one of two groups: a 4-week Motivational Engagement group utilizing motivational interviewing (n = 59) and an 8-week Relapse Prevention Training group emphasizing skill acquisition, which some participants entered directly (n = 5) and some participants entered following completion of the Motivational Engagement group (n = 16). RESULTS: Participants who completed the Motivational Engagement group (n = 59) demonstrated significantly increased motivation to change substance use (d = -.0.58; t = -3.02, p < .01) and significantly decreased substance use frequency (d = 0.65; t = 3.26, p < .01). For participants who completed the Relapse Prevention Training group (n = 21), substance use frequency significantly decreased (d = 0.92; t = 3.46, p < .01) and self-efficacy in one's ability to maintain substance use changes significantly increased (d = -0.85; t = -3.59, p < .01). CONCLUSIONS: This pilot evaluation suggests that motivational interviewing and relapse prevention skills training are acceptable and feasible interventions in the treatment of substance use disorders in young adults with first-episode psychosis.
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 ».