RREACT: A mobile multidisciplinary response to overdose
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Opioid overdose is a leading cause of death in the United States, and engaging with patients following overdose to provide harm reduction and recovery resources can prove difficult. Quick response models use mobile, multidisciplinary teams to establish a time-sensitive connection between individuals who overdosed and harm reduction and recovery resources that improve outcomes. These quick response models are consistent with the broader field of mobile-integrated health programs that are growing in number and acceptability, though the literature base is sparse and programs vary. We describe the 5-year reach, effectiveness, adoption, implementation and maintenance (RE-AIM) framework of the Rapid Response Emergency Addiction and Crisis Team (RREACT), a fire/emergency medical services-led, multidisciplinary (firefighter/paramedic, law enforcement officer, social worker) mobile outreach team. RREACT provides harm reduction, linkage/transportation to care and wrap-around services to individuals following a nonfatal opioid overdose that resulted in an emergency response in Columbus, Franklin County, Ohio, United States. Between 2018 and 2022, RREACT made 22,157 outreach attempts to 11,739 unique patients. RREACT recorded 3,194 direct patient contacts during this time, resulting in 1,200 linkages to care: 799 direct transports to opioid use disorder treatment and 401 warm handoffs to community treatment agencies. Furthermore, RREACT's staffing increased from 4 full-time equivalent staff in 2018 to 15.5 in 2022 and was supported by the surrounding community through 287 community outreach events and the development of an alumni program. These preliminary results further support the deployment of multidisciplinary mobile outreach teams to increase access to harm reduction and recovery resources following opioid overdose.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 découle