Role of Rehabilitation in Opioid Tapering: A Scoping Review
Notice bibliographique
Résumé
Purpose: Among industrialized countries, Canada has the second-highest opioid prescribing rate for pain management. Physiotherapy and occupational therapy interventions are potential non-pharmacological alternatives. We undertook a scoping review to explore and summarize the current evidence describing the interventions included or used in physiotherapy and occupational therapy in opioid tapering for individuals with chronic pain. Method: A systematic search of the peer-reviewed health databases was conducted, with data synthesis guided by Arksey and O’Malley’s scoping review methodology. Articles were included in the narrative synthesis if (1) interventions within the scope of practice for physiotherapists or occupational therapists were described or these professionals were part of interdisciplinary care and (2) opioid tapering or reduction was addressed. Results: The 39 articles identified included 2 systematic reviews, 9 narrative reviews or commentaries, 2 case reports, 11 uncontrolled cohort studies, 1 cross-sectional study, 5 randomized controlled trials, 4 programme evaluations, and 4 qualitative studies. Of the 28 studies reporting specific outcomes, 25 reported positive outcomes of rehabilitation interventions for opioid tapering. There was greater representation of interventions from physiotherapy than from occupational therapy: few articles contained substantive descriptions (e.g., dosage and duration). Conclusions: The evidence to guide therapists in supporting opioid tapering for people with chronic pain seems to be limited. Further research is needed to establish effectiveness for stand-alone interventions and as part of a comprehensive rehabilitation approach.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 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 ».