Novel treatment of opioid use disorder using ibogaine and iboga in two adults
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
Abstract Ibogaine is a naturally occurring psychedelic medicine with anti-addictive properties. While research on ibogaine is limited, several observational studies have shown ibogaine can mitigate opioid withdrawal, as seen with reductions in clinical and subjective opioid withdrawal scores and reduced drug use severity (Noller, Frampton, & Yazar-Klosinski, 2018; Brown & Alper 2018). Furthermore, the psychoactive experience may help individuals to realign their values, purpose and sense of connection, as seen with post treatment reductions in depression scores (Noller et al., 2018; Mash et al., 2000). Case series This case series describes two cases of individuals accessing ibogaine through private unregulated clinics in the Vancouver area to treat their opioid use disorder. Conclusions In case 1, the client achieved total abstinence from all opioids within 5–6 days of starting ibogaine treatment, did not experience any opioid withdrawal symptoms after ibogaine treatment and maintained abstinence from opioids for 3 years. In case 2, the patient took ibogaine/iboga in multiple treatments over a short period of time (<4 months). The patient stopped all non-medical opioids after the first iboga treatment and then used ibogaine to aid with further dose reductions of her opioid agonist therapy (OAT) and has maintained abstinence from opioids for 2 years. Ibogaine offers a unique and novel therapeutic approach to treating opioid use disorder. Further studies are needed to establish the safety, risks and potential role for ibogaine as a mainstream, evidence-based addiction treatment.
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