Ageing and older people who use illicit opioids, cocaine or methamphetamine: a scoping review and literature map
Notice bibliographique
Résumé
AIMS: To provide an overview of research literature on ageing and older people who use illicit opioids and stimulants by documenting the conceptual frameworks used and content areas that have been investigated. METHODS: We conducted a scoping review of literature relating to ageing and older people who use illicit stimulants and opioids, defining 'older' as 40 years and above. Primary studies, secondary studies and editorials were included. Searches were conducted in PubMed and Embase in July 2020 and March 2021; the Cochrane library was searched in November 2021. Charted data included methodological details, any conceptual frameworks explicitly applied by authors and the content areas that were the focus of the publication. We developed a hierarchy of content areas and mapped this to provide a visual guide to the research area. RESULTS: Of the 164 publications included in this review, only 16 explicitly applied a conceptual framework. Seven core content areas were identified, with most publications contributing to multiple content areas: acknowledgement of drug use among older people (n = 64), health status (n = 129), health services (n = 109), drug use practices and patterns (n = 84), social environments (n = 74), the criminal legal system (n = 28) and quality of life (n = 15). CONCLUSIONS: The literature regarding older people who use illicit drugs remains under-theorized. Conceptual frameworks are rarely applied and few have been purposely adapted to this population. Health status and health services access and use are among the most frequently researched topics in this area.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 |
| 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 ».