The Global Diversion of Pharmaceutical Drugs Non‐medical use and diversion of psychotropic prescription drugs in North America: a review of sourcing routes and control measures
Notice bibliographique
Résumé
AIMS: North America features some of the world's highest consumption levels for controlled psychoactive prescription drugs (PPDs; e.g. prescription opioids, benzodiazepines, stimulants), with non-medical use and related harms (e.g. morbidity, mortality) rising in key populations in recent years. While the determinants, characteristics and impacts of these 'use' problems are increasingly well documented, little is known about the 'supply' side of non-medical PPD use, much of which is facilitated by 'diversion' as a key sourcing route. This paper provides a select review of the phenomenon of PPD diversion in North America, also considering interventions and policy implications. METHODS: A conceptual and empirical review of select-peer- and non-peer-reviewed research literature from 1991 to 2010 focusing upon PPD diversion in North America was conducted. RESULT: The phenomenon of PPD diversion is heterogeneous. Especially among general populations, a large proportion of PPDs for non-medical use are obtained from friends or family members. Other PPD diversion routes involve 'double doctoring' or 'prescription shopping'; street drug markets; drug thefts, prescription forgeries or fraud; as well as PPD purchases from the internet. CONCLUSIONS: The distinct nature and heterogeneity make PPD diversion a complex and difficult target for interventions. Prescription monitoring programs (PMPs) appear to reduce overall PPD use, yet their impact on reducing diversion or non-medical use is not clear. Law enforcement is unlikely to reach PPD diversion effectively. Effective reduction will probably require reductions in overall PPD consumption volumes, although such will need to be accomplished without compromising standards of good medical (e.g. pain) care.
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 | 0,000 |
| 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 ».