Considerations towards a population health approach to reduce prescription opioid-related harms (with a primary focus on Canada)
Notice bibliographique
Résumé
Prescription opioid (POs, i.e. opioid analgesics requiring a prescription) related harms are extensive in North America; non-medical PO use (NMPOU), PO-related morbidity (e.g. hospital or treatment admissions) and mortality (e.g. overdose deaths) are high in the general population. Most recommendations towards reducing PO-related problems to date have focused on rather narrow and specific areas (e.g. improved PO monitoring, clinical PO use guidelines, detection of patients with PO abuse, tamper-resistant PO formulations). An integrated population health framework for POs – i.e. an evidence-based approach towards largest possible reductions of PO-related harms in the population, as is well established for other psychoactive drug (e.g. alcohol) fields – is currently missing. Recent PO-focused policy initiatives launched in Canada present long lists of recommendations – the feasibility and impact of which on PO-related harms is uncertain – yet also are notably silent on population health-based considerations or approaches. We outline select principal pillars – including general and targeted prevention, and treatment – for a population health framework for PO-related harms and offer suggestions for implementation, with Canada as the principal case study. Given the extensive burden and known population-level determinants of PO-related harms, the development of an evidence-based population health approach to reduce this burden is urgently advised.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,033 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,014 |
| Communication savante | 0,013 | 0,008 |
| Science ouverte | 0,008 | 0,011 |
| Intégrité de la recherche | 0,016 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».