Factors associated with pretreatment and treatment dropouts: comparisons between Aboriginal and non-Aboriginal clients admitted to medical withdrawal management
Notice bibliographique
Résumé
Background: Addiction treatment faces high pretreatment and treatment dropout rates, especially among Aboriginals. In this study we examined characteristic differences between Aboriginal and non-Aboriginal clients accessing an inpatient medical withdrawal management program, and identified risk factors associated with the probabilities of pretreatment and treatment dropouts, respectively. Methods: 2231 unique clients (Aboriginal = 451; 20%) referred to Vancouver Detox over a two-year period were assessed. For both Aboriginal and non-Aboriginal groups, multivariate logistic regression analyses were conducted with pretreatment dropout and treatment dropout as dependent variables, respectively. Results: Aboriginal clients had higher pretreatment and treatment dropout rates compared to non-Aboriginal clients (41.0% vs. 32.7% and 25.9% vs. 20.0%, respectively). For Aboriginal people, no fixed address (NFA) was the only predictor of pretreatment dropout. For treatment dropout, significant predictors were: being female, having HCV infection, and being discharged on welfare check issue days or weekends. For non-Aboriginal clients, being male, NFA, alcohol as a preferred substance, and being on methadone maintenance treatment (MMT) at referral were associated with pretreatment dropout. Significant risk factors for treatment dropout were: being younger, having a preferred substance other than alcohol, having opiates as a preferred substance, and being discharged on weekends. Conclusions: Our results highlight the importance of social factors for the Aboriginal population compared to substance-specific factors for the non-Aboriginal population. These findings should help clinicians and decision-makers to recognize the importance of social supports especially housing and initiate appropriate services to improve treatment intake and subsequent retention, physical and mental health outcomes and the cost-effectiveness of treatment.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».