MétaCan
Menu
← Retour à la cohorte
Enregistrement W4407147508 · doi:10.1177/07067437251315516

Enhancing Integrated Treatment Programs for Severe Concurrent Substance Use and Mental Disorders: Insights on Overdose from the ROAR CANADA Project: Améliorer les programmes de traitement intégré pour les troubles mentaux et les troubles liés à l’usage de substances psychoactives graves et concomitants : aperçu de la problématique des surdoses dans le cadre du projet ROAR CANADA

2025· article· en· W4407147508 sur OpenAlexafffundvenueabout
Christian G. Schütz, Tonia L. Nicholls, Laura Schmid, Myra Massey, Karina A. Thiessen, Stefanie Todesco, Reza Rafizadeh, Kiefer Cowie, Sabrina K. Syan, James MacKillop

Notice bibliographique

RevueThe Canadian Journal of Psychiatry · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensSt. Joseph’s Healthcare HamiltonMcMaster UniversityProvincial Health Services AuthorityBC Mental Health & Substance Use ServicesUniversity of British Columbia
Organismes subventionnairesHealth Canada
Mots-clésImpulsivityMedicineDrug overdosePsychiatryPopulationLongitudinal studySubstance abusePoison controlEmergency medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Objective This paper summarizes methods and initial overdose-related results from the Reducing Overdose and Relapse: Concurrent Attention to Neuropsychiatric Ailments and Drug Addiction (ROAR CANADA) project. ROAR CANADA is a longitudinal observational study of individuals with severe concurrent substance use and mental disorders (also called dual disorders or dual diagnosis). The study sampled patients treated at two tertiary treatment centres in British Columbia, Red Fish Healing Centre and Heartwood Centre, along with a concurrent treatment unit at St. Joseph's in Ontario. These facilities have implemented evidence-based integrated treatment programs. Our first analysis explores selected baseline characteristics as potential risk factors for drug overdose in this population. Method Sociodemographic factors, trauma history, and impulsivity were part of a more comprehensive longitudinal assessment. In this first investigation, we use bivariate analysis and logistic and linear regression modelling to examine these variables in relation to overdose history. Results Overall, 291 of 450 participants (64.7%) reported a history of ≥1 overdose. Across the three centres, patients had a lifetime average of 7.6 ( SD = 12.9) overdoses. The prevalence and mean number of overdoses were somewhat higher among Red Fish patients (74.5% and 8.5, respectively). Adverse childhood events, lifetime trauma history, and impulsivity were all high, but only lifetime trauma history emerged as significantly associated with overdose across all treatment centres. Impulsivity indicators were selectively associated with overdose by site, but not consistently within the overall sample. Conclusions These results highlight the importance of prioritizing trauma-informed care in the treatment of individuals with severe concurrent substance use and mental disorders, who are at high risk of overdose. The integration of trauma treatment into existing programs may enhance patient outcomes and contribute to the ongoing evolution of effective care strategies for this complex population. These findings are particularly relevant in light of the overdose crisis. Plain Language Summary Title Enhancing Integrated Treatment Programs for Severe Concurrent Substance Use and Mental Disorders: Insights on Overdose from the ROAR CANADA Project

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil0,158

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,288
Écart entre enseignants0,267 · 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'étudeObservationnel
Domainenon disponible
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

Citations0
Publié2025
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Psychiatry→Même sujetSubstance Abuse Treatment and Outcomes→Travaux en français237 207→