Abandono del tratamiento en adictos a la cocaína Treatment dropout in cocaine addicts

Resumen

La alta tasa de abandonos de los programas de tratamiento es uno de los problemas más graves en el ámbito de las drogodependencias. La identificación temprana de predictores de riesgo de abandono puede proporcionar información útil sobre las necesidades específicas de tratamiento de este tipo de pacientes. El objetivo de este estudio fue identificar predictores de la finalización prematura de un programa de tratamiento ambulatorio para adictos a la cocaína. El estudio se realizó en varias unidades asistenciales públicas de una ciudad española. Los participantes fueron 91 adictos a la cocaína admitidos para ser tratados de su adicción, evaluados mediante entrevista y varias medidas de autoinforme. Para identificar las variables predictivas se utilizó un análisis factorial, un análisis cluster y un análisis CHAID. Las variables que obtuvieron capacidad predictiva fueron las puntuaciones en el MAST, y las puntuaciones compuestas de alcohol y drogas del EuropASI. Estas tres variables quedaron agrupadas en un mismo factor al que se denominó gravedad adictiva. El análisis predictivo mostró que este factor tenía una cierta capacidad de predicción del abandono, pero que no era totalmente determinante. Los resultados apuntan hacia la conveniencia de detectar en la admisión a los pacientes que pudieran requerir una mayor preparación motivacional, mayor control e intensidad en el tratamiento, o la prestación de intervenciones coadyuvantes.

The high rate of dropout from treatment programs is one of the most serious problems in the field of drug dependence. Early identification of predictors of dropout risk can provide useful information on the specific treatment needs of these types of patient. The aim of this study was to identify predictors of premature cessation of an outpatient treatment program for cocaine addicts. The study was carried out at public healthcare units in a Spanish city. Participants were 91 cocaine addicts admitted for treatment for their addiction, assessed by means of interview and various self-report measures. For identifying predictive variables the researchers used a factor analysis, a cluster analysis and a CHAID analysis. The variables that obtained predictive capacity were the MAST scores and the combined alcohol and drugs scores on the EuropASI. These three variables were grouped in a single factor which was called addictive severity. The predictive analysis showed that this factor had some degree of capacity for the prediction of dropout, but that it was not completely determinant. The results suggest the advantageousness of detecting at the admission stage those patients who might require more attention to their motivational aspects, greater treatment control and intensity, or the provision of complementary interventions.