Bridging the Macro-micro Divide: A Qualitative Meta-synthesis on the Perspectives and Experiences of Health Care Providers on the Extramedical Use and Diversion of Buprenorphine
Notice bibliographique
Résumé
OBJECTIVES: Opioid agonist therapy using buprenorphine is one of the most effective treatments for opioid use disorder. However, concerns regarding its extramedical use and diversion, such as adverse patient outcomes and damage to the legitimacy of addictions practice, are persistent. The aim of this review is to synthesize the perspectives and experiences of health care providers around the extramedical use of buprenorphine. METHODS: A qualitative meta-synthesis was conducted based on a systematic search of 8 databases. All primary qualitative and mixed-methods studies relating to the views of health care providers on the extramedical use of buprenorphine were included. A qualitative analysis informed by the constant comparative method was conducted, using NVivo for data management. RESULTS: Sixteen studies were included in this review. Findings were organizedunder 2 key themes: (1) Harm-producing versus harm-reducing effects of extramedical buprenorphine use and (2) driving forces of and responses to extramedical buprenorphine use. CONCLUSIONS: The studies included in our review identified a disconnect-health care providers noted that macro, health care system-level challenges drove extramedical use whereas the recommended solutions for prevention and management were primarily aimed at the micro, individual level. This study emphasizes the critical role that health care providers can play, in partnership with patients, in informing appropriate policies and health care system design to optimize the care for people with opioid use disorder.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».