The Opioid Epidemic in Numbers: A Meta-Analytic Review of Mortality, findings, and Implications for Prevention
Notice bibliographique
Résumé
The opioid crisis in North America, particularly the United States and Canada, has been characterized by increasing methadone distribution, overdose deaths and diversion, although recent efforts have seen declines in some areas.Canada's prescription opioid dispensing increased until 2012, after which areas such as Ontario saw significant declines.The United States experienced a staggering 345% increase in opioid-related deaths from 2001-2016, heavily affecting people aged 25-34.This growing epidemic is further highlighted by the U.S. National Survey, which shows that 8.9% of Americans aged 12 or older engaged in illicit drug use recently.Research links opioid sales to overdose deaths, highlighting the dangers of inappropriate prescription practices.To address this, Medication-Assisted Treatment (MAT), behavioral therapies and support groups are promoted.Anti-stigma interventions such as acceptance and commitment therapy and motivational interviewing have been shown to be effective.A consistent pattern observed in cities such as Philadelphia and San Francisco indicate that young heroin addicts often switch from pharmaceutical opioids to heroin, driven by the economics of drug supply.To address opioid use disorders, primary care has recognized MAT as critical, with new innovative models such as multi-level care and stakeholder engagement.Nevertheless, barriers such as stigma and lack of expertise pose challenges, highlighting the urgent need for refined strategies and models tailored to different primary care settings.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,013 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».