MétaCan
Menu
Retour à la cohorte
Enregistrement W3129937027 · doi:10.1186/s13722-021-00221-1

Adapting inpatient addiction medicine consult services during the COVID-19 pandemic

2021· editorial· en· W3129937027 sur OpenAlexafffundabout
Miriam Harris, Alyssa F. Peterkin, Paxton Bach, Honora Englander, Emily Lapidus, Theresa Rolley, Melissa B. Weimer, Zoe Weinstein

Notice bibliographique

RevueAddiction Science & Clinical Practice · 2021
Typeeditorial
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensBritish Columbia Centre on Substance UseSt. Paul's HospitalUniversity of British Columbia
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute on Drug AbuseMichael Smith Health Research BC
Mots-clésBuprenorphineMedicinePandemicHarm reductionHealth psychologyPublic healthHealth careTelemedicineAddiction medicineAddictionMedical emergencyMedical prescriptionFamily medicineSubstance abuseOutreachPsychiatryNursingCoronavirus disease 2019 (COVID-19)DiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: We describe addiction consult services (ACS) adaptations implemented during the Novel Coronavirus Disease 2019 (COVID-19) pandemic across four different North American sites: St. Paul's Hospital in Vancouver, British Columbia; Oregon Health & Sciences University in Portland, Oregon; Boston Medical Center in Boston, Massachusetts; and Yale New Haven Hospital in New Haven, Connecticut. EXPERIENCES: ACS made system, treatment, harm reduction, and discharge planning adaptations. System changes included patient visits shifting to primarily telephone-based consultations and ACS leading regional COVID-19 emergency response efforts such as substance use treatment care coordination for people experiencing homelessness in COVID-19 isolation units and regional substance use treatment initiatives. Treatment adaptations included providing longer buprenorphine bridge prescriptions at discharge with telemedicine follow-up appointments and completing benzodiazepine tapers or benzodiazepine alternatives for people with alcohol use disorder who could safely detoxify in outpatient settings. We believe that regulatory changes to buprenorphine, and in Vancouver other medications for opioid use disorder, helped increase engagement for hospitalized patients, as many of the barriers preventing them from accessing care on an ongoing basis were reduced. COVID-19 specific harm reductions recommendations were adopted and disseminated to inpatients. Discharge planning changes included peer mentors and social workers increasing hospital in-reach and discharge outreach for high-risk patients, in some cases providing prepaid cell phones for patients without phones. RECOMMENDATIONS FOR THE FUTURE: We believe that ACS were essential to hospitals' readiness to support patients that have been systematically marginilized during the pandemic. We suggest that hospitals invest in telehealth infrastructure within the hospital, and consider cellphone donations for people without cellphones, to help maintain access to care for vulnerable patients. In addition, we recommend hospital systems evaluate the impact of such interventions. As the economic strain on the healthcare system from COVID-19 threatens the very existence of ACS, overdose deaths continue rising across North America, highlighting the essential nature of these services. We believe it is imperative that health care systems continue investing in hospital-based ACS during public health crises.

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)0,007
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,134

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,002
Communication savante0,0030,002
Science ouverte0,0020,009
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,071
Tête enseignante GPT0,457
Écart entre enseignants0,387 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations37
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAddiction Science & Clinical PracticeMême sujetOpioid Use Disorder TreatmentTravaux en français237 207