Prevalence of respiratory conditions among people who use illicit opioids: a systematic review
Notice bibliographique
Résumé
BACKGROUND AND AIMS: There are growing concerns over the respiratory health of people who use illicit opioids due to high rates of opioid inhalation and tobacco smoking in this group. This study aimed to summarize the evidence relating illicit opioid use with poor respiratory health. METHODS: A systematic review of the literature on the association between illicit opioid use and respiratory health was undertaken in accordance with Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidance (PROSPERO ID = CRD42017059953). Electronic searches of MEDLINE, Embase, PsycINFO, CINAHL and the Cochrane Library databases were undertaken (English language, published January 1980-November 2018). All study designs excluding case studies were considered. Studies were undertaken in community and hospital settings in the United States (n = 23), United Kingdom (n = 7), Australia (n = 7), the Netherlands (n = 2), Canada (n = 2), Ireland (n = 1), Spain (n = 1) and Iran (n = 1). Measurements of respiratory disease, including asthma and chronic obstructive pulmonary disease (COPD) and related symptoms were extracted. Data on respiratory-related deaths and hospital admissions were also extracted. Meta-analysis of prevalence data was undertaken using a random effects meta-analysis model with parameters estimated using Markov chain Monte Carlo simulation. RESULTS: Meta-analyses estimated prevalence of asthma in people who inject illicit opioids as 8.5% [95% predictive interval (PrI) = 0.2%, 74.0%] and as 20.2% (95% PrI = 4.2%, 59.2%) in people who inhale illicit opioids. Prevalence of COPD in people who inject illicit opioids was estimated as 2.7% (95% PrI = 0.0%, 50.4%) and as 17.9% (95% PrI = 0.6%, 89.5%) in people who inhale illicit opioids. There was evidence of moderate to extreme heterogeneity across studies. CONCLUSIONS: There is evidence of increased burden of respiratory diseases in people who use illicit opioids. Due to the heterogeneity of study design and samples, it is difficult to gain accurate estimates of the prevalence of respiratory disease in this population.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».