Longitudinal trends in service utilisation of Alcohol and Other Drugs Services (AODS) during COVID-19: A Scoping Review
Notice bibliographique
Résumé
Background: COVID-19 has affected service delivery and utilization of AODS worldwide with a potential negative impact on service users and staff. Objectives: To understand the trends of service utilization of AODS, identify knowledge gaps, and provide directions for future research and planning. Methods: Medline, Embase, CINAHL, PubMed and PsycINFO were searched for original articles published in English since 2019, with quantitative analysis of service utilization of AODS. Of the 1546 initial search results, 938 were screened after de-duplication and 43 underwent full-text review. Data extracted from 30 studies informed this review. Results: Of the studies, 29 were from high-income countries and 15 focused on medication for opioid use disorders (MOUD). An initial reduction of service utilization followed by gradual improvement was seen in most treatment types, with most disruptions in residential programs, outreach services, home visits, group therapy and needle syringe programs and fewer disruptions in individual counselling and MOUD. Treatment initiations decreased, while treatment adherence improved during COVID-19. The use of telehealth and treatment-related policy changes were associated with improved service utilization. Telehealth was associated with catchment expansion and broadening of service-user profiles. An increased tendency to use the opioid long-acting injection was reported in Australia. Conclusions: The impact of COVID-19 on AODS changed over time and according to, the drug/treatment type and geographical remoteness. Main contributors to minimizing disruptions in service utilization included treatment-related policy changes, telehealth, and newer treatment modalities. Longitudinal studies beyond 2021 and studies on regional/rural AODS and AOD workforce are recommended.
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 | 0,009 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,020 | 0,027 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».