MétaCan
Menu
Retour à la cohorte
Enregistrement W2580024911 · doi:10.12688/f1000research.10184.1

Advances in the treatment of opioid use disorders

2017· preprint· en· W2580024911 sur OpenAlexaboutno aff
George Woody

Notice bibliographique

RevueF1000Research · 2017
Typepreprint
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBuprenorphineMedicineNaltrexonePsychosocialHeroinMethadone(+)-NaloxoneMedical prescriptionOpioid use disorderIntensive care medicinePsychiatryOpioidFamily medicineDrugPharmacologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

The development of medications for treating persons with opioid use disorders has expanded the number of evidence-based treatment options, particularly for persons with the most severe disorders. It has also improved outcomes compared to psychosocial treatment alone and expanded treatment availability by increasing the number of physicians involved in treatment and the settings where patients can be treated. The medications include methadone, buprenorphine, buprenorphine/naloxone, and extended-release injectable naltrexone. Studies have shown that they are most effective when used over an extended, but as-yet-unspecified, period of time and with counseling and other services, particularly for the many with psychosocial problems. Though controversial in some cultures, well-designed studies in Switzerland, the Netherlands, Germany, and Canada have demonstrated the efficacy of supervised heroin injecting for persons who responded poorly to other treatments, and this treatment option has been approved by Switzerland and a few other E.U. countries. The degree to which medication-assisted therapies are available is dependent on many variables, including national and local regulations, preferences of individual providers and their geographical location, treatment costs, and insurance policies. Greater availability of medication-assisted therapies has become a major focus in the U.S. and Canada, where there has been a marked increase in deaths associated with heroin and prescription opioid use. This paper provides a brief summary of these developments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,004

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,413
Écart entre enseignants0,347 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueF1000ResearchMême sujetOpioid Use Disorder TreatmentTravaux en français237 207