Impacts of an opioid overdose prevention intervention delivered subsequent to acute care
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Opioid overdose is a major and increasing cause of injury and death. There is an urgent need for interventions to reduce overdose events among high-risk persons. METHODS: Adults at elevated risk for opioid overdose involving heroin or pharmaceutical opioids who had been cared for in an emergency department (ED) were randomised to overdose education combined with a brief behavioural intervention and take-home naloxone or usual care. Outcomes included: (1) time to first opioid overdose-related event resulting in medical attention or death using competing risks survival analysis; and (2) ED visit and hospitalisation rates, using negative binomial regression and adjusting for time at risk. RESULTS: During the follow-up period, 24% of the 241 participants had at least one overdose event, 85% had one or more ED visits and 55% had at least one hospitalisation, with no significant differences between intervention and comparison groups. The instantaneous risk of an overdose event was not significantly lower for the intervention group (sub-HR: 0.83; 95% CI 0.49 to 1.40). DISCUSSION: These null findings may be due in part to the severity of the population in terms of housing insecurity (70% impermanently housed), drug use, unemployment and acute healthcare issues. Given the high overdose and healthcare utilisation rates, more intensive interventions, such as direct referral and provision of housing and opioid agonist treatment medications, may be necessary to have a substantial impact on opioid overdoses for this high-acuity population in acute care settings. TRIAL REGISTRATION NUMBER: NCT0178830; Results.
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.
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) | 0,000 | 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 | 0,000 | 0,000 |
| 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 découle