Virtual opioid poisoning education and naloxone distribution programs: A scoping review
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
The global opioid poisoning crisis is a complex issue with far-reaching public health implications. Opioid Poisoning Education and Naloxone Distribution (OPEND) programs aim to reduce stigma and promote harm reduction strategies, enhancing participants' ability to apply life-saving interventions, including naloxone administration and cardiopulmonary resuscitation (CPR) to opioid poisoning. While virtual OPEND programs have shown promise in improving knowledge about opioid poisoning response, their implementation and evaluation have been limited. The COVID-19 pandemic has sparked renewed interest in virtual health services, including OPEND programs. Our study reviews the literature on fully virtual OPEND programs worldwide. We analyzed 7,722 articles, 30 of which met our inclusion criteria. We extracted and synthesized information about the interventions' type, content, duration, the scales used, and key findings. Our search shows a diversity of interventions being implemented, with different study designs, duration, outcomes, scales, and different time points for measurement, all of which hinder a meaningful analysis of interventions' effectiveness. Despite this, virtual OPEND programs appear effective in increasing knowledge, confidence, and preparedness to respond to opioid poisoning while improving stigma regarding people who use opioids. This effect appears to be true in a wide variety of populations but is significantly relevant when focused on laypersons. Despite increasing efforts, access remains an issue, with most interventions addressing White people in urban areas. Our findings offer valuable insights for the design, implementation, and evaluation of future virtual OPEND programs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle