An Observational Study of a Digital Substance Use and Recovery Program
Notice bibliographique
Résumé
OBJECTIVE: Digital substance use treatment programs present an opportunity to provide nonresidential care for people with problematic substance use. In June 2021, the provincial government in Ontario provided free access to Breaking Free Online (BFO), a digital behavioral change program for people with substance use disorders. METHODS: An observational study was conducted with retrospective data to characterize clients' use and engagement patterns in BFO and examine changes in self-reported outcomes. RESULTS: In total, 6,370 individuals registered for BFO between June 2021 and October 2022, of whom 3,650 completed the intake assessment. Most of these clients were self-referred (64%), with 37% having been referred by health service providers. More than one-half of the clients (52%) resided in Ontario West or East regions. Support for addressing problematic alcohol use was the most requested program (40%). By October 2022, about 44% of the clients had completed between one and four of 12 program strategies. Analysis revealed significant changes in pre-post scores across four validated scales (p<0.001), indicating a decrease in anxiety and depression, an increase in quality of life, an improvement in recovery progression, and a decrease in severity of symptoms associated with substance use disorders. CONCLUSIONS: BFO clients with higher completion rates had the most improvement across the scales used; however, clients with lower and medium completion rates also had improvements. Because of the shame and stigma associated with substance use, digital supports with low barriers to entry can help support the autonomy, privacy, and preferences of individuals seeking help for problematic substance 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».