MétaCan
Menu
Retour à la cohorte
Enregistrement W3119141922 · doi:10.1186/s12889-021-10497-2

Take-home naloxone programs for suspected opioid overdose in community settings: a scoping umbrella review

2021· article· en· W3119141922 sur OpenAlexafffund
Amina Moustaqim‐Barrette, Damon Dhillon, Justin Ng, Kristen Sundvick, Farihah Ali, Tara Elton‐Marshall, Pamela Leece, Katherine Rittenbach, Max Ferguson, Jane A. Buxton

Notice bibliographique

RevueBMC Public Health · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensUniversity of CalgaryUniversity of AlbertaAlberta Health ServicesWestern UniversityCentre for Addiction and Mental HealthPublic Health OntarioBC Centre for Disease ControlUniversity of British ColumbiaUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicine(+)-NaloxoneOpioid overdoseGrey literatureSystematic reviewGuidelinePublic healthPoison controlDrug overdoseBest practiceDosingPsychological interventionMedical emergencyMEDLINEOpioidPsychiatryNursingPharmacology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Opioid related overdoses and overdose deaths continue to constitute an urgent public health crisis. The implementation of naloxone programs, such as 'take-home naloxone' (THN), has emerged as a key intervention in reducing opioid overdose deaths. These programs aim to train individuals at risk of witnessing or experiencing an opioid overdose to recognize an opioid overdose and respond with naloxone. Naloxone effectively reverses opioid overdoses on a physiological level; however, there are outstanding questions on community THN program effectiveness (adverse events, dosing requirements, dose-response between routes of administration) and implementation (accessibility, availability, and affordability). The objective of this scoping review is to identify existing systematic reviews and best practice guidelines relevant to clinical and operational guidance on the distribution of THN. METHODS: Using the Arksey & O'Malley framework for scoping reviews, we searched both academic literature and grey literature databases using keywords (Naloxone) AND (Overdose) AND (Guideline OR Review OR Recommendation OR Toolkit). Only documents which had a structured review of evidence and/or provided summaries or recommendations based on evidence were included (systematic reviews, meta-analyses, scoping reviews, short-cut or rapid reviews, practice/clinical guidelines, and reports). Data were extracted from selected evidence in two key areas: (1) study identifiers; and (2) methodological characteristics. RESULTS: A total of 47 articles met inclusion criteria: 20 systematic reviews; 10 grey literature articles; 8 short-cut or rapid reviews; 4 scoping reviews; and 5 other review types (e.g. mapping review and comprehensive reviews). The most common subject themes were: naloxone effectiveness, safety, provision feasibility/acceptability of naloxone distribution, dosing and routes of administration, overdose response after naloxone administration, cost-effectiveness, naloxone training and education, and recommendations for policy, practice and gaps in knowledge. CONCLUSIONS: Several recent systematic reviews address the effectiveness of take-home naloxone programs, naloxone dosing/route of administration, and naloxone provision models. Gaps remain in the evidence around evaluating cost-effectiveness, training parameters and strategies, and adverse events following naloxone administration. As THN programs continue to expand in response to opioid overdose deaths, this review will contribute to understanding the evidence base for policy and THN program development and expansion.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,246
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,096
Tête enseignante GPT0,385
Écart entre enseignants0,289 · 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 tête enseignante, pas un consensus.

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

Citations67
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetOpioid Use Disorder TreatmentTravaux en français237 207