Impact of opioid agonists on mental health in substitution treatment for opioid use disorder: A systematic review and Bayesian network meta-analysis of randomized clinical trials
Notice bibliographique
Résumé
Abstract Objective There is a dearth of high-quality systematic evidence on the impact of opioid substitution medications on mental health. We compared mental health outcomes between opioid medications and placebo/waitlist, and between different opioids. Methods This systematic review and meta-analysis of randomized clinical trials (RCTs) was pre-registered at PROSPERO (CRD42018109375). Embase, MEDLINE, PsychInfo, CINAHL Complete, and Web of Science Core Collection were searched from inception to May 2020. RCTs were included if they compared opioid agonists with each other or with a placebo/waitlist in substitution treatment of patients with opioid use disorder, and reported at least one mental health outcome on a span of more than 1-month post baseline. Studies with psychiatric care, adjunct psychotropic medications, or unbalanced psychosocial services were excluded. Primary outcomes were comparison of depressive symptoms and overall mental health between opioids and placebo/waitlist. Random effects model was used for all the meta-analysis. Results Nineteen studies were included in the narrative synthesis and 15 in the quantitative synthesis. Hydromorphone, diacetylmorphine (DAM), methadone, slow-release oral morphine, buprenorphine, and placebo/waitlist were among the included interventions. Based on network meta-analysis for primary outcomes, buprenorphine (SMD (CI95%)= −0.61 (−1.20, −0.11)), DAM (−1.40 (−2.70, −0.23)), and methadone (−1.20 (−2.30, −0.11)) were superior to waitlist/placebo on overall mental health. Further direct pairwise meta-analysis indicated that overall mental health improved more in DAM compared to methadone (−0.23 (−0.34, −0.13)). Conclusions It appears that opioid medications improve mental health independent of psychosocial services. Potential contribution of other factors needs to be further investigated.
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 | 0,053 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,026 | 0,054 |
| Bibliométrie | 0,012 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».