A Framework for Estimating Posttreatment Moderation of Treatment-by-Dosage Effects in Individual-Patient Meta-Analysis: An Illustration Using Project Harmony
Notice bibliographique
Résumé
Making causal statements regarding dose-response in treatments for posttraumatic stress disorder (PTSD) and alcohol/other drug use disorders (AODs; PTSD+AOD) is difficult because (a) dosage is rarely randomized and (b) self-selected dosage can be affected by treatment assignment. In the present study, we sought to clarify causal inferences regarding treatment-by-dosage interactions in PTSD+AOD treatment using Project Harmony, an individual-patient meta-analytic data set of behavioral, pharmacological, and combination PTSD+AOD treatments ( k = 36; N = 4,046). Using propensity score weighting and moderated multilevel “net treatment difference” modeling, trauma-focused (TF) treatments, whether integrated or nonintegrated with AOD treatment, outperformed treatment as usual by greater margins on reductions in PTSD and alcohol use as dosage increased. Furthermore, appropriately treating dosage as a posttreatment covariate and moderator revealed effects for TF treatments on drug use that had not been detected in previous studies. Implications for approaches to increasing TF-treatment attendance and greater use of causal-inference methodologies with dose-response analyses are discussed.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».