Patient engagement, treatment preferences and shared decision-making in the treatment of opioid use disorder in adults: a scoping review protocol
Notice bibliographique
Résumé
INTRODUCTION: Opioid use disorder (OUD) is characterised by the fifth Edition of the Diagnostic and Statistics Manual as a problematic pattern of opioid use (eg, fentanyl, heroin, oxycodone) that leads to clinically significant impairment. OUD diagnoses have risen substantially over the last decade, and treatment services have struggled to meet the demand. Evidence suggests when patients with chronic illnesses are matched with their treatment preferences and engaged in shared decision-making (SDM), health outcomes may improve. However, it is not known whether SDM could impact outcomes in specific substance use disorders such as OUD. METHODS AND ANALYSIS: . The search strategy was developed to retrieve relevant publications from database inception and June 2017. MEDLINE, EMBASE, PsycINFO, Cochrane Database for Controlled Trials, Cochrane Database for Systematic Reviews and reference lists of relevant articles and Google Scholar will be searched. Included studies must be composed of adults with a diagnosis of OUD, and investigate SDM or its constituent components. Experimental, quasi-experimental, qualitative, case-control, cohort studies and cross-sectional surveys will be included. Articles will be screened for final eligibility according to title and abstract, and then by full text. Two independent reviewers will screen excluded articles at each stage. A consultation phase with expert clinicians and policy-makers will be added to set the scope of the work, refine research questions, review the search strategy and identify additional relevant literature. Results will summarise whether SDM impacts health and patient-centred outcomes in OUD. ETHICS AND DISSEMINATION: Scoping review methodology is considered secondary analysis and does not require ethics approval. The final review will be submitted to a peer-reviewed journal, disseminated at relevant academic conferences and will be shared with policy-makers, patients and clinicians.
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 | 0,066 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,015 | 0,016 |
| Bibliométrie | 0,018 | 0,014 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,008 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,061 | 0,008 |
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 ».