The Howard Street Method: A Community Pharmacy-led Low Dose Overlap Buprenorphine Initiation Protocol for Individuals Using Fentanyl
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: Buprenorphine treatment significantly reduces morbidity and mortality for people with opioid use disorder. Fear of precipitated withdrawal remains a barrier to starting buprenorphine for patients who use synthetic opioids, particularly fentanyl. We aim to evaluate the development and implementation of a buprenorphine low dose overlap initiation (LDOI) protocol in an urban public health community pharmacy. METHODS: We performed a retrospective chart review of patients with nonprescribed fentanyl use (N = 27) to examine clinical outcomes of a buprenorphine LDOI schedule, named the Howard Street Method, dispensed from a community pharmacy in San Francisco from January to December 2020. RESULTS: Twenty-seven patients were prescribed the Howard Street Method. Twenty-six patients picked up the prescription and 14 completed the protocol. Of those who completed the protocol, 11 (79%) reported no symptoms of withdrawal and 3 (21%) reported mild symptoms. Four patients (29%) reported cessation of full opioid agonist use and 10 (71%) reported reduction in their use by the end of the protocol. At 30 days, 12 patients (86%) were retained in care and 10 (71%) continued buprenorphine. At 180 days, 6 patients (43%) were retained in care and 2 (14%) were still receiving buprenorphine treatment. CONCLUSIONS: We found that a LDOI blister-pack protocol based at a community pharmacy was a viable intervention for starting buprenorphine treatment and a promising alternative method for buprenorphine initiation in an underresourced, safety-net population of people using fentanyl.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 découle