Using recovery management checkups for primary care to improve linkage to alcohol and other drug use treatment: a randomized controlled trial three month findings
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Recovery management checkups (RMC) have established efficacy for linking patients to substance use disorder (SUD) treatment. This study tested whether using RMC in combination with screening, brief intervention, and referral to treatment (SBIRT), versus SBIRT alone, can improve linkage of primary care patients referred to SUD treatment. DESIGN: A randomized controlled trial of SBIRT as usual (n = 132) versus SBIRT plus recovery management checkups for primary care (RMC-PC) (n = 134) with follow-up assessments at 3 months post-baseline. SETTING: Four federally qualified health centers in the United States serving low-income populations. PARTICIPANTS: Primary care patients (n = 266, 64% male, 80% Black, mean age, 48.3 [range, 19-53]) who were referred to SUD treatment after SBIRT. INTERVENTIONS: SBIRT alone (control condition) compared with SBIRT + RMC-PC (experimental condition). MEASUREMENT: The primary outcome was any days of SUD treatment in the past 3 months. Key secondary outcomes were days of SUD treatment overall and by level of care, days of alcohol and other drug (AOD) abstinence, and days of using specific substances, all based on self-report. FINDINGS: At 3-month follow-up, those assigned to SBIRT + RMC-PC (n = 134) had higher odds of receiving any SUD treatment (46% vs 20%; adjusted odds ratio = 4.50 [2.49, 8.48]) compared with SBIRT only, including higher rates of entering residential and intensive outpatient treatment. They also reported more days of treatment (14.45, vs 7.13; d = +0.26), more days abstinent (41.3 vs 31.9; d = +0.22), and fewer days of using alcohol (27.14, vs 36.31; d = -0.25) and cannabis (19.49, vs 28.6; d = -0.20). CONCLUSIONS: Recovery management checkups in combination with screening, brief intervention, and referral to treatment are an effective strategy for improving linkage of primary care patients in need to substance use disorder treatment over 3 months.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».