Treatment of prescription opioid disorders in Canada: looking at the ‘other epidemic’?
Notice bibliographique
Résumé
The magnitude and consequences of prescription opioid (PO) misuse and harms (including rising demand for PO disorder treatment) in Canada have been well-documented. Despite a limited evidence-base for PO dependence treatment, opioid maintenance therapy (OMT) - mostly by means of methadone maintenance treatment (MMT) - has become the de facto first-line treatment for PO-disorders. For example in the most populous province of Ontario, some 50,000 patients - large proportions of them young adults - are enrolled in MMT, resulting in a MMT-rate that is 3-4 times higher than that of the United States. MMT in Ontario has widely proliferated towards a quasi-treatment industry within a system context of the public fee-payer offering generous incentives for community-based MMT providers. Contrary to the proliferation of MMT, there has been no commensurate increase in availability of alternative (e.g., detox, tapering, behavioral), and less intrusive and/or costly, treatments which may provide therapeutic benefits at least for sub-sets of PO-dependent patients. Given the extensive PO-dependence burden combined with its distinct socio-demographic and clinical profile (e.g., involving many young people, less intensive or risky opioid use), an evidence-based 'stepped-care' model for PO dependence treatment ought to be developed in Canada where MMT constitutes one, but likely a last resort or option, for treatment. Other, less intrusive treatment options as well as the best mix of treatment options should be systematically investigated and implemented. This case study has relevance and implications for evidence-based treatment also for the increasing number of other jurisdictions where PO misuse and disorders have been rising.
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 ».