Alcohol Use Disorders in Primary Health Care: What Do We Know and Where Do We Go?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIMS: To analyze the current paradigm and clinical practice for dealing with alcohol use disorders (AUD) in primary health care. METHODS: Analyses of guidelines and recommendations, reviews and meta-analyses. RESULTS: Many recommendations or guidelines for interventions for people with alcohol use problems in primary health care, from hazardous drinking to AUD, can be summarized in the SBIRT principle: screening for alcohol use and alcohol-related problems, brief interventions for hazardous and in some cases harmful drinking, referral to specialized treatment for people with AUD. However, while there is some evidence that these procedures are effective in reducing drinking levels, they are rarely applied in clinical practice in primary health care, and no interventions are initiated, even if the primary care physician had detected problems or AUD. Rather than asking primary health care physicians to conduct interventions which are not typical for medical doctors, we recommend treatment initiation for AUD at the primary health care level. AUD should be treated like hypertension, i.e. with regular checks for alcohol consumption, advice for behavioral interventions in case of consumption exceeding thresholds, and pharmaceutical assistance in case the behavioral interventions were not successful. Minimally, alcohol consumption should be screened for in all situations where there is a co-morbidity with alcohol being a potential cause (such as hypertension, insomnia, depression or anxiety disorders). CONCLUSIONS: A paradigm shift is proposed for dealing with problematic alcohol consumption in primary health care, where initiation for treatment for AUD is seen as the central element.
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.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle