Using Self-report Mental Health Outcomes to Explore the Effectiveness of Inpatient Treatment for Nonmedical Opioid Use: A Retrospective Cohort Study
Notice bibliographique
Résumé
ABSTRACT Objective: Using within-treatment, self-reported mental health assessments for individuals receiving treatment for nonmedical opioid use at two Canadian inpatient facilities, this retrospective cohort study aimed to assess the effectiveness of this treatment. Cross-sectional demographic data were reported to determine trends and avenues for future research. Methods: Outcomes were extracted from self-report assessments completed by individuals at two private inpatient treatment facilities. Individual data were included in this study (n = 252) if they: (1) self-reported nonmedical opioid use, (2) completed admission and discharge assessments, and (3) had a planned discharge from January 2019 to December 2020. Outcomes were assessed using paired t -tests, Cohen's d, and reliable improvement ratios (where applicable) on measures of depression [Patient Health Questionnaire 9 (PHQ-9)], anxiety [Generalized Anxiety Disorder Scale 7 (GAD-7)], trauma [Posttraumatic Stress Disorder Checklist for DSM-5 (PCL-5)], substance use cravings (Aggregate Drug Craving Scale), perceived mental health (one-item rating of overall mental health), and perceived quality of life (modified Global Appraisal of Individual Needs - Q3). Results: Of individuals, 60% were males, 49% completed a college or university degree, and 76% met the criteria for opioid use disorder. Results showed significant symptom reductions from admission to discharge based on PHQ-9, GAD-7, PCL-5, and Aggregate Drug Craving Scale scores ( p < 0.0001) and significant increases in perceived mental health and quality of life scores ( p < 0.0001), with large effect sizes ( d > 0.8). Of the total, 72%, 67%, and 67% experienced a reliable improvement on the PHQ-9, GAD-7, and PCL-5, respectively. Conclusion: Our analysis presents promising outcomes for individuals treated for nonmedical opioid use in an inpatient setting. Inpatient treatment is a comprehensive approach combining medical and behavioural interventions, adjunctive therapies, and a supervised community milieu. Objectifs: À partir d'évaluations auto-déclarées de la santé mentale réalisées par des personnes durant un traitement pour usage non médical d'opioïdes dans deux établissements hospitaliers canadiens, cette étude de cohorte rétrospective visait à en évaluer l'efficacité. Des données démographiques transversales ont été consignées afin de déterminer les tendances et les pistes pour de futures recherches. Méthodes: Les résultats des évaluations auto-déclarées remplies par des personnes dans deux établissements de soins privés ont été extraits. Les données individuelles ont été incluses dans cette étude (n = 252) si elles : 1) auto-déclaraient une consommation non médicale d'opioïdes, 2) avaient rempli les évaluations d'admission et de sortie, et 3) avaient une sortie prévue entre janvier 2019 et décembre 2020. Les résultats ont été évalués à l'aide de tests t appariés, du coefficient d de Cohen et de ratios d'amélioration fiables (le cas échéant) sur des mesures de la dépression (PHQ-9), de l'anxiété (GAD-7), des traumatismes (PCL-5), des envies de consommer des substances (ADCS), de la santé mentale perçue (évaluation en un seul point de la santé mentale globale) et de la qualité de vie perçue (GAIN-Q3 modifié). Résultats: 60 % des personnes étaient des hommes. 49 % avaient obtenu un diplôme universitaire ou collégial et 76 % répondaient aux critères du trouble relié à l’usage d’opioïde (TUO). Les résultats ont montré une réduction significative des symptômes entre l'admission et la sortie, d'après les scores PHQ-9, GAD-7, PCL-5 et ADCS (p < 0,0001), ainsi qu'une augmentation significative des scores de santé mentale et de qualité de vie perçues (p < 0,0001), avec des effets de grande ampleur (d > 0,8). 72 %, 67 % et 67 % ont connu une amélioration fiable sur les échelles PHQ-9, GAD-7 et PCL-5, respectivement. Conclusions: Notre analyse présente des résultats prometteurs pour les personnes traitées pour une consommation non médicale d'opioïdes en milieu hospitalier. Le traitement hospitalier est une approche globale combinant des interventions médicales et comportementales, des thérapies d'appoint et un milieu communautaire supervisé.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».