Best Practices and Innovations for Managing Codeine Misuse and Dependence
Notice bibliographique
Résumé
PURPOSE: Promoting and ensuring safe use of codeine containing medicines remains a public health issue given the rise in reporting of misuse and dependence particularly in countries where available over-the-counter (OTC). The aim of this unique study was to identify best practices in management of opioid abuse and dependence, particularly codeine, and innovations to meet challenges surrounding safe and compliant use, patient awareness-raising, reducing health harms and enhancing successful treatment of dependence. METHODS: A mixed methods approach using three data points was used that included : (1) analysis of data from existing scoping reviews to identify potential areas for innovation (2) interviews with key national stakeholders from public health, pharmaceutical, regulatory, primary care and addiction practice in three distinct regulatory regimes (Ireland, United Kingdom and South Africa); and (3) a circular email request for information on potential innovations to members of the European Medicine's Agency European Network of Centres for Pharmacoepidemiology and Pharmacovigilance (ENCEPP). Data from these three sources were analysed to identify best practices and opportunities for innovation. RESULTS: Best practices and potential innovations were identified under the nine headings: (1) manufacture; (2) product information and public education; (3) responsible prescribing; (4) monitoring and surveillance; (5) dispensing, screening and brief interventions in community pharmacies; (6) safety in the workplace and on the road; (7) internet supply of codeine and online support; (8) treatment of codeine dependence; and (9) learning resources and training for health professionals. CONCLUSIONS: Challenges ensuring availability of codeine containing medicines for legitimate therapeutic use, while minimising misuse, dependence and related health harms warrant consideration of new innovations. Most promising innovative potential lies across the products' retail lifecycle from manufacture to prescriber and community pharmacy practitioner.This article is open to POST-PUBLICATION REVIEW. Registered readers (see "For Readers") may comment by clicking on ABSTRACT on the issue's contents page.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».