Opioid use, regulation, and harms in Brazil: a comprehensive narrative overview of available data and indicators
Notice bibliographique
Résumé
BACKGROUND: Global opioid consumption increased multifold post-2000, disproportionately in high-income countries, with severe mortality/morbidity consequences. Latin America features comparatively low opioid availability; Brazil, the region's most populous country, makes an interesting case study concerning opioid use/harms. In this comprehensive overview, we aimed to identify and summarize medical and non-medical data and indicators of opioid availability and use, regulation/control, and harm outcomes in Brazil since 2000. METHODS: We searched multiple scientific databases to identify relevant publications and conducted additional 'grey' literature searches to identify other pertinent information. RESULTS: Despite some essential indicators, opioid-related data are limited for Brazil. Data indicate that population-level availability of prescription opioids represents only a small fraction of use in comparison to high-income countries. However, within Latin America, Brazil ranks mid-level for opioid consumption, indicating relatively moderate consumption compared to neighboring jurisdictions. Brazil has implemented restrictive regulations to opioid prescribing and is considered 'highly restricted' for opioid access. Codeine remains the major opioid analgesic utilized, but stronger opioids such as oxycodone are becoming more common. Professional knowledge regarding medical opioid use and effects appears limited. National surveys indicate increases in non-medical use of prescription opioids, albeit lower than observed in North America, while illicit opioids (e.g., heroin) are highly uncommon. CONCLUSIONS: Overall population-level opioid availability and corresponding levels of opioid-related harms in Brazil remain substantially lower than rates reported for North America. However, the available surveillance and analytical data on opioid use, policy/practice, and harms in Brazil are limited and insufficient. Since existing and acute (e.g., pain-related) needs for improved opioid utilization and practice appear to be substantiated, improved indicators for and understanding of opioid use, practice, and harms in Brazil are required.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».