Notice bibliographique
Résumé
BACKGROUND: The culmination of the widespread overprescription of opioids, a resurgence of heroin use, and increased accessibility and use of illicit synthetic opioids is commonly referred to as the opioid epidemic in North America. METHODS: This article is not intended to provide a comprehensive systematic literature review, but rather summarized recent publications and online governmental reports and datasets for English-written literature primarily published between January 1, 2015 and July 1, 2020. RESULTS: In both the United States and Canada, opioids represent one of the most widely prescribed classes of medications. According to the US Centers for Disease Control and Prevention (CDC), an unprecedented increase in the use of opioid pain relievers has led to one of the worst drug overdose epidemics in US history and continues to be an ongoing major public health crisis based on recent Centers for Disease Control and Prevention mortality data, where almost two-thirds of all overdose deaths still involve opioids, including heroin and illicit opioids. In addition to the high mortality rates in both the United States and Canada, there has also been an increase in emergency department visits for nonmedical use of opioid pain relievers, along with additional individuals seeking treatment for opioid addiction, and a rise in neonatal abstinence syndrome. CONCLUSIONS: This article highlights the history, underlying issues, ongoing national regulatory efforts, and future strategies and therapies to help mitigate the opioid crisis in North America.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».