Treatment approaches and outcome trajectories for youth with high‐risk opioid use: A narrative review
Notice bibliographique
Résumé
AIM: First use of opioids often happens in adolescence and an increasing number of opioid overdoses are being reported among youth. The purpose of this narrative review was to present the treatment approaches for youth with high-risk opioid use, determine whether the literature supports the use of opioid agonist treatment among youth and identify evidence for better treatment outcomes in the younger population. METHODS: A search of the literature on PubMed using MeSH terms specific to youth, opioid use and treatment approaches generated 1436 references. Following a screening process, 137 papers were found to be relevant to the treatment of high-risk opioid use among youth. After full-text review, 19 eligible studies were included: four randomized controlled trials, nine observational studies and six reviews. RESULTS: Research for the different treatment options among youth is limited. The available evidence shows better outcomes in terms of retention in care and cost-effectiveness for opioid agonist treatment than abstinence-based comparisons. Integrating psychosocial interventions into the continuum of care for youth can be an effective way of addressing comorbid psychiatric conditions and emotional drivers of substance use, leading to improved treatment trajectories. CONCLUSIONS: From the limited findings, there is no evidence to deny youth with high-risk opioid use the same treatment options available to adults. A combination of pharmacological and youth-specific psychosocial interventions is required to maximize retention and survival. There is an urgent need for more research to inform clinical strategies toward appropriate treatment goals for such vulnerable individuals.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».