MétaCan
Menu
Retour à la cohorte
Enregistrement W4214689618 · doi:10.7202/1085173ar

Déploiement d’un algorithme de soins en réponse à la crise des opioïdes

2021· article· fr· W4214689618 sur OpenAlexaffvenueabout
Annie Talbot, Rania Khemiri, Aïssata Sako, Luc Londei‐Leduc, Christine Robin, Suzanne Marcotte, Guenièvre Therrien, Geneviève Goulet, Geneviève Beaudet Hillman, Christine Ouellette, Suzanne Brissette, Polina Titova, Pierre Lauzon

Notice bibliographique

RevueDrogues santé et société · 2021
Typearticle
Languefr
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalHôpital Notre-DameCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesMedicinePhilosophy

Résumé

récupéré en direct d'OpenAlex

Contexte : Entre janvier 2016 et juin 2020, le Canada a enregistré plus de 17 602 décès attribuables à des cas de surdose aux opioïdes ; une hausse inquiétante qui incite les professionnels de la santé à réfléchir à des interventions dans les salles d’urgence (SU) qui sont souvent la première ligne de soins pour les personnes à risque de surdose aux opioïdes (RSO).En avril 2018, un groupe pluridisciplinaire de cliniciens a développé le projet SuboxED pour établir un processus de mise en oeuvre d’un algorithme clinique pour la distribution de naloxone intranasale pour les patients à RSO et la prescription de buprénorphine-naloxone (B/n) dans trois SU du Québec pour les patients ayant un trouble de l’usage d’opioïdes (TUO).Méthodologie : Le projet SuboxED se présente en deux phases, la phase pré et mise en oeuvre et la phase d’évaluation clinique. Nous traiterons ici de la première phase qui s’est déroulée du 1er avril 2018 au 30 avril 2019 par un processus conçu en plusieurs étapes progressives : 1) constituer un groupe pluridisciplinaire de cliniciens ; 2) identifier trois SU, des cliniques TAO et les pharmacies partenaires au Québec ; 3) établir les critères d’éligibilité à la naloxone intranasale et la B/n basée sur les recommandations scientifiques pour créer l’algorithme ; 4) former le personnel des SU ; 5) mettre en oeuvre l’algorithme pour les patients RSO.Conclusion : Le projet SuboxED a développé un algorithme clinique en réponse à la crise des opioïdes au Québec et a contribué à la gratuité de la naloxone, tout en relevant de nombreux défis. La mise en oeuvre de tel algorithme est faisable et devrait être déployée largement surtout en temps de pandémie. Une phase de l’évaluation clinique suivra.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,042
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,042
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,001
Communication savante0,0070,005
Science ouverte0,0030,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,354
Écart entre enseignants0,333 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueDrogues santé et sociétéMême sujetOpioid Use Disorder TreatmentTravaux en français237 207