PTSD and opioid use: implications for intervention and policy
Notice bibliographique
Résumé
BACKGROUND: North America remains in the midst of an escalating opioid overdose epidemic, largely driven by the influx of synthetic opioids such a fentanyl and related analogues. High rates of mental illness among substance-using populations have been well documented; in particular, opioid-using individuals suffer from high rates of PTSD. Despite the devastating disease burden of both PTSD and OUD, especially within the context of the current opioid overdose epidemic, treatment options and outcomes remain suboptimal. MAIN BODY: Comorbid PTSD-OUD is often complex and inextricably intertwined, thereby impeding effective diagnosis, assessment and early intervention. Best outcomes occur when treatment addresses both comorbidities simultaneously, known as parallel or integrative approaches. Despite these findings, affected individuals often do not receive adequate or equitable access to healthcare. The WHO recommends that public spending for both mental and physical aspects of healthcare be equitable to the burden of disease. Despite these recommendations mental healthcare services remain chronically underfunded in Canada. The Mental Health Parity Act is a call for the Canadian government to implement equitable public spending on all aspects of healthcare. Furthermore, prohibitory legislative practices serve to marginalize substance-using populations thereby increasing the likelihood of exposure to traumatic violence and other associated harms. CONCLUSION: Efforts are now needed to address regulatory drug-use frameworks and public healthcare policies that perpetuate these inequalities. Alternative regulatory frameworks for drugs and mental health parity should be implemented and evaluated in an effort to reduce violence, trauma and ultimately opioid-related overdose deaths.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».