Medication assisted therapy (MAT) and substance use disorders in Tanzania
Notice bibliographique
Résumé
Purpose Substance use is among the risk factors associated with both HIV/AIDS and non communicable diseases (NCDs). The aim of this paper is to describe the development of the medication assisted therapy (MAT) in the treatment of substance use disorders and opportunities for further interventions in Tanzania. Design/methodology/approach A review of MAT pilot project documentation, existing published and grey literature on substance misuse in Tanzania was used to describe the scope of this paper. MAT as a program focuses on the treatment of opiod dependent individuals using methadone in a national hospital in Tanzania. It is delivered by a team of trained interprofessionals coordinating with community partners. Findings The findings indicate an uptake of pharmacotherapy in the treatment of substance use disorders as an adjunct to traditional counseling approaches in low resource settings. Program acceptability and reach within a short period of time by the opiod dependent individuals is shown. Practical implications National buy‐in is critical for developments of new interventions. Given adequate resources, it is feasible to integrate MAT for the treatment of substance use disorders within health care systems in poor resource settings. To ensure the success of the program, sustainable efforts and scaling up to include alcohol and tobacco dependence treatment is crucial. The local capacity building is required including a need for designing appropriate policies to address alcohol and tobacco use in Tanzania. Originality/value The intervention is the only one in sub‐Saharan Africa. MAT may serve as a practice model for other countries in the region.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».