Examining Changes in Quality of Life as an Outcome Measure in Three Randomized Controlled Trials of Online Interventions That Included an Intervention for Hazardous Alcohol Use
Notice bibliographique
Résumé
Background Quality of life (QOL) summarizes an individual’s perceived satisfaction across multiple life domains. Many factors can impact this measure, but research has demonstrated that individuals with addictions, physical, and mental health concerns tend to score lower than general population samples. While QOL is often important to individuals, it is rarely used by researchers as an outcome measure when evaluating treatment efficacy.Methods This secondary analysis used data collected during three separate randomized controlled trials testing the efficacy of different online interventions to explore change in QOL over time between treatment conditions. The first project was concerned with only alcohol interventions. The other two combined either a gambling or mental health intervention with a brief alcohol intervention. Males and females were analyzed separately.Results This analysis found treatment effects among female participants in two projects. In the project only concerning alcohol, female quality of life improved more among those who received an extensive intervention for hazardous alcohol use compared to a brief intervention (p = .029). QOL among females who received only the mental health intervention improved more than those who also received a brief alcohol intervention (p = .049).Conclusion Poor QOL is often cited as a reason individuals decide to make behavior changes, yet treatment evaluations do not typically consider this patient-important outcome. This analysis found some support for different treatment effects on QOL scores in studies involving at least one intervention for hazardous alcohol use.
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 | 0,014 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».