Long-term, bidirectional associations between depressive symptom severity and opioid use among people with HIV: A prospective cohort study
Notice bibliographique
Résumé
Background: The bidirectional relationships between opioid use and depressive symptom severity among people living with HIV (PLHIV) are poorly understood. We hypothesized that higher opioid use frequency would be associated with greater subsequent depressive symptom severity and that greater depressive symptom severity would be associated with higher subsequent opioid use frequency. Methods: We analyzed data from the Veterans Aging Cohort Study (VACS) - survey sample, a prospective cohort including PLHIV receiving care at 8 US Veterans Health Administration sites. From 2002 to 2018, we assessed past year opioid use frequency based on self-reported heroin and/or prescription opioid use at study entry and follow-up, as well as depressive symptom severity. Time-lagged, generalized estimating equation models were used to construct estimates of the association between opioid use frequency and subsequent depressive symptom severity, and vice versa, adjusting for key sociodemographic and clinical characteristics. Results: In final adjusted models that included 2033 PLHIV (98 % male), subsequent depressive symptom severity was greater (adjusted odds ratio [aOR] = 1.44, 95 % CI: 1.22,1.70) for those who used opioids at least monthly compared to those who never used, and the association between these variables appeared to follow a dose-response pattern. Similarly, subsequent opioid use frequency was higher (aOR = 1.38, 95 % CI: 1.17,1.62) for those with moderate depressive symptom severity compared to those with none. Conclusions: Enhanced access to screening for substance use disorders, harm reduction services, and medications for opioid use disorder may be warranted in settings that serve veteran PLHIV; strategies expanding access to mental health services may also be promising.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».