对成年人多重物质使用模式的潜在类别分析进行系统审查
Robert LeComte1, Neha Skandan1, Martin Hochheimer1
1Department of Psychiatry and Behavioral Sciences, Behavioral Pharmacology Research Unit, Johns Hopkins University School of Medicine.
隐性类分析 (LCA) 和隐性配置分析 (LPA) 可以识别多重物质使用模式. 研究样本大小和指标影响提取的类,突出研究的方法变化.
科学领域:
- 精神病学和行为科学
- 数据科学和统计建模数据科学和统计建模
背景情况:
- 多种物质的使用,即多种药物的联合使用,对健康构成重大风险.
- 目前用于识别和分类多物质使用模式的方法缺乏研究共识.
- 隐性类分析 (LCA) 和隐性配置分析 (LPA) 提供数据驱动的方法来弥补这一差距.
研究的目的:
- 系统地审查使用LCA/LPA来描述成年人多重物质使用模式的研究.
- 为了确定影响多物质使用研究中提取的潜在类数量的因素.
- 突出方法的异质性,并建议考虑未来的LCA/LPA研究.
主要方法:
- 对136篇使用LCA/LPA检查成人多重物质使用的文章进行系统审查.
- 分析影响潜在类数量的因素,包括样本大小和指标数量.
- 评估方法,统计分析和潜在类解决方案中的异质性.
主要成果:
- 在提取的潜在类数量和研究样本大小 (ρ = .275,p < .001) 之间发现了显著的关联.
- 在LCA/LPA模型中使用的指标数量也显著影响了提取的类数量 (r = .244,p = .004).
- 在研究方法,统计方法和由此产生的潜在类结构方面观察到大量的异质性.
结论:
- LCA/LPA是识别不同多种物质使用配置文件的有价值工具.
- 方法选择,特别是样本大小和指标选择,对LCA/LPA结果产生重大影响.
- 未来的研究应该将LCA/LPA中的方法考虑标准化,以提高多重物质使用模式的可比性和分类.
更多相关视频
09:29Investigating Drivers of Antireward in Addiction Behavior with Anatomically Specific Single-Cell Gene Expression Methods
Published on: August 4, 2022
08:53Integrating Computerized Linguistic and Social Network Analyses to Capture Addiction Recovery Capital in an Online Community
Published on: May 31, 2019
相关概念视频
Substance Use Disorders Affecting Sleep
Understanding the concepts of physical dependence,...
Drug Abuse and Addiction: Pharmacological Phenomena
Drug Dependence
Longitudinal Research
Mechanistic Models: Compartment Models in Individual and Population Analysis
Analysis of Population Pharmacokinetic Data
