Seventeen years of experience: a retrospective cohort analysis of methadone maintenance treatment program patterns in Georgia
Notice bibliographique
Résumé
BACKGROUND: In Georgia, MMT has evolved since 2005 from donor-funded pilot projects to a fully government-funded national program. We aimed to describe long-term patterns of engagement, retention and exit rates in the context of policy changes (removing financial barriers in 2017 and introducing take-home doses in 2020), by retrospectively analyzing nationwide data. We also aimed to analyze the association between the retention and factor variables (age, average daily methadone doses and location of MMT). METHODS: We used routine data obtained from the Center for Mental Health and Prevention of Addiction as of February 9, 2025. Each patient can have multiple treatment episodes. Retention days were assessed at the episode level, whereas "total engagement duration" reflected the total time a patient spent in treatment across all episodes. Exit rates for first treatment episodes were calculated for one, three, and five-year follow-ups, standardized per 100 person-years. Cox regression was used to examine associations between retention duration and factor variables. RESULTS: The final dataset consisted of 59828 treatment episodes representing 30747 patients, enrolled in the program from August 6, 2008, to December 31, 2024. Age ranged from 21 to 85 years with median of 40 [IQR 34-47] years. The mean years of total engagement gradually declined across annual cohorts from 6.6 to 0,3 from 2008 to 2024. Peaks in retention occurred: in 2017 and in 2020. Each additional year of age reduced the risk of dropout by 26-28%, while higher doses were associated with 48% lower risk. One year exit rates calculated per 100 person-years showed higher variability across the annual cohorts from 40 (95%CI 33-47) in 2008 to 186 (95%CI 168-197) in 2015, compared to three- (40(95%CI 37-47) in 2008 to 120 (95%CI (113-128) in 2015), and five-year follow-ups (40 (95%CI 33-44) in 2008 to 102 (95%CI(95-106) in 2015). CONCLUSIONS: Findings highlight the potential role of adequate dosing, sustained accessibility, and patient-centered approaches. Descriptive results suggest that removing financial barriers and introducing take-home doses may improve retention. For a comprehensive assessment of program effectiveness, total engagement duration and long-term exit rates should also be considered.
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 | 0,001 | 0,001 |
| 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 ».