MétaCan
Menu
Retour à la cohorte
Enregistrement W4285494423 · doi:10.1186/s12954-022-00657-x

The changing landscape of pharmaceutical alternatives to the unregulated drug supply during COVID-19

2022· article· en· W4285494423 sur OpenAlexafffundabout
Karen McCrae, Stephanie Glegg, Marie-Ève Goyer, Bernard Le Foll, Rupi Brar, Christy Sutherland, Nadia Fairbairn

Notice bibliographique

RevueHarm Reduction Journal · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensSt. Paul's HospitalUniversity of British ColumbiaCanada Research ChairsVancouver Coastal HealthCentre for Addiction and Mental HealthUniversité de MontréalUniversity of TorontoBritish Columbia Centre on Substance Use
Organismes subventionnairesCanadian Institutes of Health ResearchNational Institutes of HealthShionogiUniversity of British ColumbiaMichael Smith Health Research BCUniversity of TorontoBrainsWayGW PharmaceuticalsPfizer
Mots-clésPublic healthPandemicStaffingThematic analysisOddsMedicineHealth careEnvironmental healthQualitative researchPersonal protective equipmentBusinessHealth psychologyMedical emergencyNursingCoronavirus disease 2019 (COVID-19)Economic growthSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The dual COVID-19 and overdose emergencies amplified strain on healthcare systems tasked with responding to both. One downstream consequence of the pandemic in the USA and Canada was a surge in drug overdoses resulting from public health-restricted access to services and an increasingly toxic unregulated drug supply. This study aimed to describe changes implemented by programs prescribing pharmaceutical alternatives to the drug supply during the early stages of the COVID-19 pandemic. METHODS: An environmental scan used surveys and qualitative interviews with service providers across Canada to examine pharmaceutical alternative prescribing practices and programs before and during the pandemic. This study summarized the nature, frequency, and reasons for pandemic-driven service delivery changes using directed content analysis, counts, and thematic analysis. RESULTS: Eighty-two of the 103 participating sites reported 1193 unique changes in physical space (368), client protocols (347), program operations (342), ancillary services (127), and staffing (90). Four qualitative themes describing the reasons for these changes emerged, namely (1) decreasing risk of COVID-19 infection; (2) decreasing risk of overdose; (3) prioritizing acute care of COVID-19 patients; and (4) improving client access to treatment. CONCLUSIONS: While most changes were aimed at decreasing risk of COVID-19 infection, some were found to be at odds with the measures needed to combat the overdose crisis; others met dual objectives of decreased risk of both overdose and infection. Further research should examine which changes should be kept or reversed once COVID-19-related public health measures are lifted.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,135

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,008
Communication savante0,0030,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,334
Écart entre enseignants0,311 · 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'étudeObservationnel
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

Citations16
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHarm Reduction JournalMême sujetOpioid Use Disorder TreatmentTravaux en français237 207