Sexual dysfunction prevalence, risk factors, and help-seeking behavior in opioid agonist treatment and general psychiatry: a cross-sectional study
Notice bibliographique
Résumé
Background Mental disorders pose a high risk for the occurrence of sexual dysfunctions (SD). This study aimed to investigate prevalence of risk factors and help-seeking behavior for sexual dysfunctions in patients with opioid use disorder compared to patients seeking psychotherapeutic help. Methods Ninety-seven patients at two opioid agonist treatment (OAT) centers and 65 psychotherapeutic patients from a psychiatric practice (PP) in Switzerland were included in the study. Self-report assessments comprised sexual functioning (IIEF: International Index of Erectile Function; FSFI: Female Sexual Function Index), depressive state, psychological distress, alcohol consumption, nicotine use, and a self-designed questionnaire on help-seeking behavior. We used chi-squared and Mann–Whitney U tests for group comparisons and binary logistic regression models to identify variables predicting the occurrence of sexual dysfunctions. Results There was no statistically significant difference (p = 0.140) in the prevalence of SD between OAT (n = 64, 66.0%) and PP sample (n = 35, 53.8%). OAT patients scored significantly higher in scales assessing nicotine use (p < 0.001) and depressive state (p = 0.005). Male OAT patients scored significantly worse on the Erectile Function scale (p = 0.005) and female PP patients scored significantly worse on the FSFI Pain domain (p = 0.022). Opioid use disorder, higher age, and being female predicted the occurrence of SD in the total sample. In the OAT sample, only higher age remained predictive for the occurrence of SD. A lack of help-seeking behavior was observed in both groups, with only 31% of OAT patients and 35% of PP patients ever having talked about their sexual health with their treating physician. Conclusion SD are common among psychiatric patients receiving OAT and general psychiatric patients seeking psychotherapy. Professionals providing mental healthcare to patients must emphasize prevention and routine assessments of sexual functioning needs.
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 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».