MétaCan
Menu
Retour à la cohorte
Enregistrement W4413981985 · doi:10.1080/15504263.2025.2515015

Concurrent Disorders and Treatment Outcomes: A Meta-Analysis

2025· review· en· W4413981985 sur OpenAlexaff
Kevin M. Gorey

Notice bibliographique

RevueJournal of Dual Diagnosis · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésDisadvantagedPovertyPsychological interventionMeta-analysisMental healthPsychologyClinical psychologyPsychiatrySubstance abuseSubstance usePsychotherapistMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: This rapid review and meta-analysis explores two hypotheses. First, people with a concurrent mental health and substance use disorder (SUD) respond less favorably to currently utilized treatment interventions, than do those with a single disorder. Second, the potential for certain already vulnerable groups including women, members of racialized minority groups and those who live in or near poverty may be even further disadvantaged. METHODS: A multimethod sampling frame of 35 previous systematic reviews and or meta-analyses (2000-2024) augmented with peer-reviewed and grey research literature databases (2020-2024), resulted in the selection of 13 primary studies. RESULTS: The pooled, sample-weighted risk ratio of 1.71 (95% confidence interval 1.38, 2.13) seemed to strongly suggest that those with concurrent disorders are largely disadvantaged in treatment compared to those with a single disorder. CONCLUSIONS: The results of this review confirmed people with a concurrent disorder are twice as likely to experience such undesirable outcomes as relapse and related poor outcomes including emergency department visits, rehospitalization and death. However, no evidence was found enabling exploration of potential moderations of overall treatment effects by gender, race or income.

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)0,017
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,039
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0160,047
Bibliométrie0,0080,007
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,167
Tête enseignante GPT0,423
Écart entre enseignants0,256 · 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'étudeMéta-analyse
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

Citations9
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dual DiagnosisMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207