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 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) | 0,000 | 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 ».