Treatment outcomes in patients with opioid use disorder initiated by prescription: a systematic review protocol
Notice bibliographique
Résumé
BACKGROUND: In North America, opioid use has become a public health crisis with policy makers declaring it a state of emergency. Opioid substitution therapy (OST) is a harm-reduction method used in treating opioid use disorder. While OST has shown to be successful in improving treatment outcomes, there is still a great degree of variability among patients. This cohort of patients has shifted from young males using heroin to a greater number of older people and women using prescription opioids. The primary objective of this review is to examine the literature on the association between the first exposure to opioids through prescription versus illicit use and OST treatment outcomes. METHOD: An electronic search will be conducted on the EMBASE, MEDLINE, PsycINFO, and Cumulative Index to Nursing and Allied Health Literature (CINAHL) databases. Two independent reviewers will conduct the initial title and abstract screenings using predetermined criteria for inclusion and exclusion. Reviewers will then conduct full-text data extraction using a pilot-tested data extraction form in duplicate. A third author will resolve disagreements if consensus cannot be reached. Quality and risk of bias assessment will be conducted along with a sensitivity analysis for all included studies. Qualitative summary of the evidence will be provided, and when possible, a meta-analysis will be conducted, along with heterogeneity calculation. The reporting of this protocol follows the PRISMA-P. DISCUSSION: We expect that this review will help determine whether patients that were initially exposed to opioids through a prescription differ in OST treatment outcomes in comparison to people who used opioids through illicit means. We hope that this review will provide evidence related to prescription opioids exposure and future treatment outcomes, which will aid clinicians in their decisions to prescribe opioids or not for specific populations at risk. SYSTEMATIC REVIEW REGISTRATION: PROSPERO CRD42017058143.
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 | 0,086 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,006 |
| Méta-épidémiologie (sens large) | 0,020 | 0,018 |
| Bibliométrie | 0,015 | 0,014 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,007 | 0,005 |
| Intégrité de la recherche | 0,009 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,065 | 0,009 |
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 ».