MétaCan
Menu
Retour à la cohorte
Enregistrement W3103951375 · doi:10.1177/0033354920968805

What Strategies Are Hospitals Adopting to Address the Opioid Epidemic? Evidence From a National Sample of Nonprofit Hospitals

2020· article· en· W3103951375 sur OpenAlexaboutno aff
Berkeley Franz, Cory E. Cronin, José A. Pagán

Notice bibliographique

RevuePublic Health Reports · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicinePsychological interventionFamily medicineHarm reductionPublic healthLogistic regressionOpioid overdoseSubstance abuseEmergency departmentHealth careQuarter (Canadian coin)OpioidNursingMedical emergencyPsychiatry(+)-Naloxone

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Hospitals are on the front lines of the opioid epidemic, seeing patients who overdose or have complicated infections, but the extent of services offered or whether services are evidence-based is not known. The objective of our study was to assess the extent to which nonprofit hospitals are addressing opioid abuse, a critical public health issue, through their community benefit work and to identify which evidence-based strategies they adopt. METHODS: We reviewed community benefit documents from January 1, 2015, through December 31, 2018, for a sample (N = 446) of all nonprofit hospitals in the United States. We classified hospital opioid-related strategies into 9 categories. Using logistic regression, we predicted the likelihood of hospitals adopting various strategies to address opioid abuse. RESULTS: Of the 446 nonprofit hospitals in our sample, 49.1% (n = 219) adopted ≥1 clinical strategy to address opioid use disorder in their community. Approximately one-quarter (26.5%; n = 118) of hospitals adopted a strategy related to treatment services for substance use disorder; 28.2% (n = 126) had ≥1 program focused on connecting patients to a primary care medical home, and 14.6% (n = 65) focused on caring for patients with opioid-related overdoses in the emergency department. We also identified factors that predicted involvement in programs that were less common than clinical strategies, but potentially effective, such as harm reduction and prescriber initiatives (both 6.3% of hospitals). CONCLUSIONS: Evidence-based prevention and treatment require strong collaboration between health care and community institutions at all levels. Effective policy interventions may exist to encourage various types and sizes of nonprofit hospitals to adopt evidence-based interventions to address opioid abuse in their communities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,041
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,110
Tête enseignante GPT0,377
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublic Health ReportsMême sujetOpioid Use Disorder TreatmentTravaux en français237 207