Investigating and addressing the immediate and long-term consequences of the COVID-19 pandemic on patients with substance use disorders: a scoping review and evidence map protocol
Notice bibliographique
Résumé
INTRODUCTION: The COVID-19 pandemic has driven unprecedented social and economic reform in efforts to curb the impact of disease. Governments worldwide have legislated non-essential service shutdowns and adapted essential service provision in order to minimise face-to-face contact. We anticipate major consequences resulting from such policies, with marginalised populations expected to bear the greatest burden of such measures, especially those with substance use disorders (SUDs). METHODS AND ANALYSIS: We aim to conduct (1) a scoping review to summarise the available evidence evaluating the impact of the COVID-19 pandemic on patients with SUDs, and (2) an evidence map to visually plot and categorise the current available evidence evaluating the impact of COVID-19 on patients with SUDs to identify gaps in addressing high-risk populations. ETHICS AND DISSEMINATION: Ethics approval is not required for this scoping review as we plan to review publicly available data. This is part of a multistep project, whereby we intend to use the findings generated from this review in combination with data from an ongoing prospective cohort study our team is leading, encompassing over 2000 patients with SUDs receiving medication-assisted therapy in Ontario prior to and during the COVID-19 pandemic.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,080 | 0,117 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,010 | 0,013 |
| Bibliométrie | 0,024 | 0,017 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,008 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».