Predictors of Treatment Outcome and Engagement in Self-Guided Internet-Delivered Dialectical Behavior Therapy for Substance Use Disorders
Notice bibliographique
Résumé
Background: Substance use disorders (SUD) are debilitating conditions that frequently co-occur with other mental disorders. Internet-delivered dialectical behavior therapy (iDBT) skills training may be promising for SUD; however, little research has examined predictors of engagement and treatment outcome. Methods: This is a secondary, exploratory analysis of a randomized, waitlist-controlled trial of self-guided iDBT for SUD. Participants (N = 72) were allocated to an immediate or delayed arm, with the latter receiving access after 4 weeks. All participants were followed for 12 weeks total. The primary treatment outcome was SUD severity, and secondary outcomes included SUD diagnosis and functional disability. Engagement was assessed as the number of hours and unique days spent on iDBT, as well as inactivity after 4 weeks. Multilevel modeling and standard regression approaches were used to explore associations between predictors and treatment outcome or engagement. Results: Immediate arm membership, greater pretreatment SUD severity, and fewer SUD diagnoses were associated with greater reductions SUD severity. Greater expectancy of change and greater pretreatment disability were associated with greater reductions in functional disability. Spending at least 1 hour on iDBT was associated with being older, while greater days of use was related to immediate arm membership, identifying as non-Hispanic White or a sexual minority, and having fewer pretreatment depression/anxiety symptoms. Finally, inactivity at 4 weeks was predicted by pretreatment depression/anxiety symptoms. Conclusions: These exploratory analyses highlight several demographic and clinical variables of individuals who may require more support to achieve greater therapeutic benefits in self-guided iDBT interventions.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».