Moving Away From a “One Size Fits All” Model: Ensuring Opioid Stewardship Includes People Who Use Drugs
Notice bibliographique
Résumé
The opioid-driven overdose crisis has had devastating effects across North America, resulting from a complex interplay between individual, social-structural, and environmental factors. Changing approaches to pain management, increased heroin use, and potent synthetic opioids infiltrating the drug supply are compounded by both lack of access to opioid use disorder treatment and surrounding stigma. Inappropriate opioid prescribing practices in healthcare settings have played a central role, and in recent years, there has been increasing interest in implementing hospital-based opioid stewardship programs aimed at improving safety and monitoring opioid prescribing. There is a range of approaches taken by these programs, ranging from audit and feedback to consult services; however, a significant focus of many of these programs is on medication restriction. Such measures stand to negatively impact the care of people with complex healthcare needs, including those currently on long-term opioid therapy, and those with increased opioid tolerance. In this commentary, we emphasize the importance of creating opioid stewardship programs focused on appropriate pain treatment rather than solely on medication restriction to both appropriately prescribe to and manage pain in people who use illicit drugs. This population faces many barriers to care, such as unique dose requirements and high interpatient variability that "one size fits all" stewardship cannot appropriately address. Additionally, opioid stewardship programs that use patient-centered strategies such as multi-disciplinary consult services have been shown to lead to positive health outcomes and have significant potential to address the current shortcomings in pain management for people who use illicit drugs.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».