An international comparative policy analysis of opioid use disorder treatment in primary care across nine high-income jurisdictions
Notice bibliographique
Résumé
BACKGROUND: Opioid use disorder (OUD) and opioid-related harms are current health priorities in many high-income countries such as Canada. Opioid agonist therapy (OAT) is an effective evidence-based treatment for OUD, but access is often limited. AIMS: To describe and compare OUD treatment policies across nine international jurisdictions, and to understand how they are situated within their primary care and health systems. METHODS: Using policy documents, we collected data on health systems, drug use epidemiology, drug policies, and OUD treatment from Australia, Canada, France, Germany, Ireland, Portugal, Sweden, Switzerland, and Taiwan. We used the health system dynamics framework and adapted definitions of low- and high-threshold treatment to describe and compare OUD treatment policies, and to understand how they may be shaped by their health systems context. RESULTS: Broad similarities across jurisdictions included the OAT pharmacological agents used and the need for supervised dosing; however, preferred OAT, treatment settings, primary care and specialist physicians' roles, and funding varied. Most jurisdictions had elements of lower-threshold treatment access, such as the availability of treatment through primary care and multiple OAT options, but the higher-threshold criteria of supervised dosing. CONCLUSIONS: From the Canadian perspective, there are opportunities to improve accessibility of OUD care by drawing on how different jurisdictions incorporate multidisciplinary care, regulate OAT medications, remunerate healthcare professionals, and provide funding for services.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».