MétaCan
Menu
Retour à la cohorte
Enregistrement W4387302857 · doi:10.15288/jsad.23-00004

Self-reported substance use with clinician interviewers versus self-administered surveys

2023· article· en· W4387302857 sur OpenAlexaff
Lauren Gorfinkel, Malki Stohl, Dvora Shmulewitz, Deborah S. Hasin

Notice bibliographique

RevueJournal of Studies on Alcohol and Drugs · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Institute on Drug Abuse
Mots-clésMedicineKappaCannabisCohen's kappaHeroinMarital statusMedical prescriptionPsychiatryLogistic regressionAddictionPoison controlOdds ratioInjury preventionClinical psychologyDrugPopulationInternal medicineEmergency medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Underreporting of substance use is a frequent concern about studies based on self-report, but few robust studies have examined the agreement between different methods for capturing self-reported substance use. The current study therefore used repeated measures to compare self-reported substance use using (a) clinician interviewers and (b) self-administered computerized surveys in a sample that included both inpatients and community residents. METHOD: = 476) interviews, participants were asked whether they used alcohol, cannabis, cocaine, heroin, and prescription painkillers by two methods: semi-structured, clinician-administered interview, and computerized self-administered questionnaire. Agreement between these two methods was investigated using Cohen's kappa coefficient. Multivariable logistic regression assessed differences in the odds of discordance between the two measures by recruitment source, gender, age, race/ethnicity, employment status, marital status, and level of education. RESULTS: There was moderate-to-strong agreement between clinician-administered and self-administered surveys for alcohol (kappa = .70-.88), cannabis (kappa = .87-.92), cocaine (kappa = .81-.89), and heroin (kappa = .90-.92). However, there was only weak-to-moderate agreement for nonmedical use of prescription painkillers (kappa = .55-.71), with the self-administered questionnaire capturing a higher prevalence of use (percent difference = 2.4%). CONCLUSIONS: Clinician interviewers and self-administered surveys were shown to capture similar rates of self-reported use of alcohol, cannabis, cocaine, and heroin. Surveys assessing nonmedical prescription opioid use may benefit from using self-administered questionnaires.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,051
score de la tête « metaresearch » (Gemma)0,092
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,949
Score d'incertitude au seuil0,271

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0510,092
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,148
Tête enseignante GPT0,377
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineMéthodes
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Studies on Alcohol and DrugsMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207