MétaCan
Menu
Retour à la cohorte
Enregistrement W4387209562 · doi:10.1186/s13011-023-00564-9

The impact of relaxing restrictions on take-home doses during the COVID-19 pandemic on program effectiveness and client experiences in opioid agonist treatment: a mixed methods systematic review

2023· review· en· W4387209562 sur OpenAlexafffund
Alison E. Adams, Tianna Magel, Scott Macdonald, Julie Lajeunesse, Scott Harrison, David Byres, Martin T. Schechter, Eugenia Oviedo‐Joekes

Notice bibliographique

RevueSubstance Abuse Treatment Prevention and Policy · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensUniversity of British ColumbiaCentre for Advancing Health OutcomesSt. Paul's HospitalProvincial Health Services AuthorityProvidence Health Care
Organismes subventionnairesCanadian Institutes of Health ResearchCanada Research Chairs
Mots-clésPsycINFOCINAHLMedicineMEDLINEQualitative researchQualitative propertyThematic analysisFamily medicineClinical psychologyPsychologyPsychological interventionNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic led to an unprecedented relaxation of restrictions on take-home doses in opioid agonist treatment (OAT). We conducted a mixed methods systematic review to explore the impact of these changes on program effectiveness and client experiences in OAT. METHODS: The protocol for this review was registered in PROSPERO (CRD42022352310). From Aug.-Nov. 2022, we searched Medline, Embase, CINAHL, PsycInfo, Web of Science, Cochrane Register of Controlled Trials, and the grey literature. We included studies reporting quantitative measures of retention in treatment, illicit substance use, overdose, client health, quality of life, or treatment satisfaction or using qualitative methods to examine client experiences with take-home doses during the pandemic. We critically appraised studies using the Mixed Methods Appraisal Tool. We synthesized quantitative data using vote-counting by direction of effect and presented the results in harvest plots. Qualitative data were analyzed using thematic synthesis. We used a convergent segregated approach to integrate quantitative and qualitative findings. RESULTS: Forty studies were included. Most were from North America (23/40) or the United Kingdom (9/40). The quantitative synthesis was limited by potential for confounding, but suggested an association between take-home doses and increased retention in treatment. There was no evidence of an association between take-home doses and illicit substance use or overdose. Qualitative findings indicated that take-home doses reduced clients' exposure to unregulated substances and stigma and minimized work/treatment conflicts. Though some clients reported challenges with managing their medication, the dominant narrative was one of appreciation, reduced anxiety, and a renewed sense of agency and identity. The integrated analysis suggested reduced treatment burden as an explanation for improved retention and revealed variation in individual relationships between take-home doses and illicit substance use. We identified a critical gap in quantitative measures of patient-important outcomes. CONCLUSION: The relaxation of restrictions on take-home doses was associated with improved client experience and retention in OAT. We found no evidence of an association with illicit substance use or overdose, despite the expansion of take-home doses to previously ineligible groups. Including patient-important outcome measures in policy, program development, and treatment planning is essential to ensuring that decisions around take-home doses accurately reflect their value to clients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,390
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,098
Tête enseignante GPT0,486
Écart entre enseignants0,388 · 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 tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations36
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSubstance Abuse Treatment Prevention and PolicyMême sujetOpioid Use Disorder TreatmentTravaux en français237 207