Implementing managed alcohol programs in hospital settings: A review of academic and grey literature
Notice bibliographique
Résumé
ISSUES: People with severe alcohol use disorders are at increased risk of poor acute-care outcomes, in part due to difficulties maintaining abstinence from alcohol while hospitalised. Managed alcohol programs (MAP), which administer controlled doses of beverage alcohol to prevent withdrawal and stabilise drinking patterns, are one strategy for increasing adherence to treatment, and improving health outcomes for hospital inpatients with severe alcohol use disorders. APPROACH: Minimal research has examined the implementation of MAPs in hospital settings. We conducted a scoping review to describe extant literature on MAPs in community settings, as well as the therapeutic provision of alcohol to hospital inpatients, to assess the feasibility of implementing formal MAPs in hospital settings and identify knowledge gaps requiring further study. Four academic and 10 grey literature databases were searched. Evidence was synthesised using quantitative and qualitative approaches. KEY FINDINGS: Forty-two studies met review inclusion criteria. Twenty-eight examined the administration of alcohol to hospital inpatients, with most reporting positive outcomes related to prevention or treatment of alcohol withdrawal. Fourteen studies examined MAPs in the community and reported that they help stabilise drinking patterns, reduce alcohol-related harms and facilitate non-judgemental health and social care. IMPLICATIONS/CONCLUSIONS: MAPs in the community have been well described and research has documented effective provision of alcohol in hospital settings for addressing withdrawal. Implementing MAPs as a harm reduction approach in hospital settings is potentially feasible. However, there remains a need to build off extant literature and develop and evaluate standardised MAP protocols tailored to acute-care settings.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 |
| 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 ».