MétaCan
Menu
Retour à la cohorte
Enregistrement W4353020731 · doi:10.1093/pm/pnad037

Interdisciplinary strategies to prevent long-term and detrimental opioid use following trauma: a stakeholder consensus study

2023· article· en· W4353020731 sur OpenAlexafffundabout
Mélanie Berube, Caroline Côté, Marc‐Aurèle Gagnon, Lynne Moore, Lorraine N. Tremblay, Alexis F. Turgeon, D. Gareth Evans, Greg Berry, Valérie Turcotte, Étienne L. Belzile, Craig Dale, Eli Orrantia, Michael Verret, Judy Dercksen, Marc-Olivier Martel, Sébastien Dupuis, Claude-Édouard Châtillon, François Lauzier

Notice bibliographique

RevuePain Medicine · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensMcGill UniversityOttawa HospitalCentre intégré universitaire de santé et de services sociaux de la Mauricie-et-du-Centre-du-QuébecUniversity of OttawaUniversity of TorontoCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalSunnybrook Health Science CentreMcGill University Health CentreUniversity of British ColumbiaHealth Sciences CentreUniversité Laval
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health ResearchRéseau québécois de recherche sur la douleurCentre Hospitalier Universitaire de Québec
Mots-clésMedicineStakeholderNominal group techniqueOpioidIntervention (counseling)NursingKnowledge managementPublic relations

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Prolonged opioid use is common following traumatic injuries. Although preventive strategies have been recommended, the evidence supporting their use is low. The objectives of this study were to select interdisciplinary strategies to prevent long-term, detrimental opioid use in trauma patients for further evaluation and to identify implementation considerations. DESIGN: A consensus study using the nominal group technique. SETTING: Four trauma systems in Canada. SUBJECTS: Participants included expert clinicians and decision makers, and people with lived experience. METHODS: Participants had to discuss the relevance and implementation of 15 strategies and then rank them using a 7-point Likert scale. Implementation considerations were identified through a synthesis of discussions. RESULTS: A total of 41 expert stakeholders formed the nominal groups. Overall, eight strategies were favored: 1) using multimodal approach for pain management, 2) professional follow-up in physical health, 3) assessment of risk factors for opioid misuse, 4) physical stimulation, 5) downward adjustment of opioids based on patient recovery, 6) educational intervention for patients, 7) training offered to professionals on how to prescribe opioids, and 8) optimizing communication between professionals working in different settings. Discussions with expert stakeholders revealed the rationale for the selected strategies and identified issues to consider when implementing them. CONCLUSION: This stakeholder consensus study identified, for further scientific study, a set of interdisciplinary strategies to promote appropriate opioid use following traumatic injuries. These strategies could ultimately decrease the burden associated with long-term opioid use.

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)0,129
score de la tête « metaresearch » (Gemma)0,135
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,129
Score d'incertitude au seuil0,680

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1290,135
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0060,003
Communication savante0,0020,005
Science ouverte0,0020,010
Intégrité de la recherche0,0030,002
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 Opus0,064
Tête enseignante GPT0,362
Écart entre enseignants0,298 · 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'étudeQualitatif
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

Citations1
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePain MedicineMême sujetOpioid Use Disorder TreatmentTravaux en français237 207