MétaCan
Menu
← Retour à la cohorte
Enregistrement W4406120761 · doi:10.1177/07067437241300957

Evidence-based Interventions for Youth With Concurrent Mental Health and Substance Use Disorders: A Scoping Review: Interventions fondées sur des données probantes pour les jeunes atteints de troubles concomitants de santé mentale et liés à l’usage de substances psychoactives : une étude de la portée

2025· article· en· W4406120761 sur OpenAlexaffvenue
Tyler Marshall, Matthew Reeson, Alexandra Loverock, Ariana E. Lewis, Ian King, R.A. Ilyas, Dylan Viste, Brandon Azer, Ethan Chow, Fahad Safi, Megan Kennedy, Adam Abba‐Aji, Andrew J. Greenshaw

Notice bibliographique

RevueThe Canadian Journal of Psychiatry · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Adolescent Psychosocial and Emotional Development
Établissements canadiensQueen's UniversityUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionMental healthPsychiatryCannabisMood disordersMoodMedicineSubstance usePsychologyClinical psychologyAnxiety

Résumé

récupéré en direct d'OpenAlex

BackgroundMental health and substance use disorders typically onset during youth and commonly co-occur. Integrated treatment of two or more co-existing mental health and substance use disorders (i.e., concurrent disorders) is increasingly prevalent in real-world clinical settings. However, the depth of the evidence base on best practices remains unclear.ObjectivesThis scoping review aimed to identify, map and summarize peer-reviewed studies of interventions for concurrent disorders in youth.MethodsSix electronic health databases were systematically searched, in addition to a hand search of the reference lists of relevant systematic reviews. Only peer-reviewed studies of interventions treating concurrent disorders (i.e., simultaneous treatment of two or more disorders) in youth (10-29 years old) were eligible. Two independent reviewers conducted screening and data extraction. Results were charted according to studies employing pharmacological and non-pharmacological interventions.ResultsThirty peer-reviewed studies were included, 19 (63.3%) were randomized controlled trials (RCTs). Most studies enrolled participants with an unspecified substance use disorder (n=17, 56.7%), while alcohol use was the primary substance use disorder in seven (23.3%) studies, followed by cannabis use disorder in six (20.0%) studies. Mood disorders (e.g., depression, dysthymia) were the most common concurrent mental health disorders comprising 15 (50%) studies, followed by nine (30.0%) studies of behavioural disorders (e.g., ADHD) and five (16.7%) studies of unspecified psychiatric disorders. Eighteen (60.0%) studies (n=1,699 participants) investigated the effectiveness of various non-pharmacological interventions, while 12 (40.0%) studies examined pharmacotherapies (n=765 participants).ConclusionAlthough several RCTs were identified, substantial clinical and methodological heterogeneity was evident among the studies (e.g., patients with multiple disorders, and multi-faceted interventions). Smaller systematic reviews focused on specific interventions (e.g., behavioural therapies) and concurrent disorders (e.g., depression and substance use) may be warranted. Due to considerable heterogeneity, more RCTs are needed before conducting larger systematic reviews or meta-analyses.Plain Language Summary TitleEvidence-based interventions for youth with concurrent mental health and substance use disorders: A scoping review.

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)0,025
score de la tête « metaresearch » (Gemma)0,089
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,133

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,089
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0090,009
Bibliométrie0,0200,015
Études des sciences et des technologies0,0010,002
Communication savante0,0060,004
Science ouverte0,0030,004
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,101
Tête enseignante GPT0,386
Écart entre enseignants0,285 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Psychiatry→Même sujetChild and Adolescent Psychosocial and Emotional Development→Travaux en français237 207→