Opioid Agonist Maintenance Treatment Outcomes—The OPTIMUS International Consensus Towards Evidence-Based and Patient-Centred Care, an Interim Report
Notice bibliographique
Résumé
Abstract Non-medical opioid use is a major public health concern causing high mortality. While opioid agonist maintenance treatment (OMT) is a key life-saving intervention, there is (a) no international consensus on opioid treatment outcomes and (b) few opioid treatment outcome studies include key (public) health outcomes, such as overdose or HIV/hepatitis C. We report the rationale and study protocol for, and preliminary results of, an ongoing international OMT outcomes consensus study that aims to address this double gap (n = 110 collaborating experts from 32 countries, plus a n = 477 Delphi evaluation panel from 26 of those countries: 58% male–41% female; 47% OMT patients–53% OMT professionals). We present a first draft of a patient interview guide (including a ‘clinical form’) to monitor OMT outcomes in six domains. The form appears to be well accepted and feasible in early testing. Through this, we aim to enhance the quality of and access to OMT, and improve the survival, health and quality of life of people who use opioids, while promoting non-stigmatising patient-physician relationships.
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 | 0,346 | 0,243 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,011 | 0,007 |
| Science ouverte | 0,005 | 0,014 |
| Intégrité de la recherche | 0,007 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 ».