The opioid crisis: past, present and future policy climate in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Addressing opioid use disorder has become a priority in Ontario, Canada, because of its high economic, social and health burden. There continues to be stigma and criticism relating to opioid use disorder and treatment options. The result has been unsystematic, partial, reactive policies and programs developed based on divergent points of view. The aim of this manuscript is to describe how past and present understandings, narratives, ideologies and discourse of opioid use, have impacted policies over the course of the growing opioid crisis. COMMENTARY: Assessing the impact of policy is complex. It involves consideration of conceptual issues of what impacts policy change. In this manuscript we argue that the development of polices and initiatives regarding opioids, opioid use disorder and opioid agonist treatment in the last decade, have been more strongly associated with the evolution of ideas, narratives and discourses rather than research relating to opioids. We formulate our argument using a framework by Sumner, Crichton, Theobald, Zulu, and Parkhurs. We use examples from the Canadian context to outline our argument such as: the anti- drug legislation from the Canadian Federal Conservative government in 2007; the removal of OxyContin™ from the drug formulary in 2012; the rapid expansion of opioid agonist treatment beginning in the early 2000s, the unilateral decision made regarding fee cuts for physicians providing opioid agonist treatment in 2015; and the most recent implementation of a narcotics monitoring system, which are all closely linked with the shifts in public opinion and discourse at the time of which these policies and programs are implemented. CONCLUSION: We conclude with recommendations to consider a multifactorial response using evidence and stakeholder engagement to address the opioid crisis, rather than a reactive policy approach. We suggest that researchers have an important role in shaping future policy by reframing ideas through knowledge translation, formation of values, creation of new knowledge and adding to the quality of public discourse and debate.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».