The effectiveness of telemedicine-delivered opioid agonist therapy in a supervised clinical setting
Notice bibliographique
Résumé
OBJECTIVE: Opioid use disorder has been declared a public health crisis across North America and opioid agonist therapy (OAT) is the standard of care for these patients. Despite the increasing adoption of telemedicine as a delivery method for OAT, its effectiveness has not yet been evaluated against traditional in-person treatment. This study compared treatment outcomes for in-person versus telemedicine-delivered OAT. METHODS: We conducted a non-randomized cohort comparison study using an administrative database for patients who commenced OAT between 2011 and 2012 across 58 clinic sites in the province of Ontario, Canada. Patients were stratified by primary treatment modality as being: in-person (<25% appointments by telemedicine), mixed (25-75% by telemedicine), or via telemedicine (>75% appointments by telemedicine). The primary outcome was continuous retention in treatment as defined by one year of uninterrupted therapy, based on pharmacy dosing records. RESULTS: A total of 3733 OAT initiating patients were identified. Patients treated via telemedicine were more likely to be retained in therapy than patients treated in-person (n=1590; aOR=1.27; 95% CI 1.14-1.41; p<0.001). Telemedicine patients demonstrated a retention rate of 50% at one year whereas in-person patients were retained at a rate of 39%. The mixed group also had higher likelihood of retention than the in-person group (n=418; aOR=1.26; 95% CI 1.08-1.47; p=0.001) and had a retention rate of 47% at one year. CONCLUSION: Telemedicine may be an effective alternative to delivering in person OAT, and it has the potential to expand access to care in rural, remote, and urban regions.
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 | 0,003 | 0,015 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».