MétaCan
Menu
Retour à la cohorte
Enregistrement W4401039658 · doi:10.1111/add.16620

Client preferences for the design and delivery of injectable opioid agonist treatment services: Results from a best–worst scaling task

2024· article· en· W4401039658 sur OpenAlexafffundabout
Rebecca Metcalfe, Sophia Dobischok, Nick Bansback, Scott Macdonald, David Byres, Julie Lajeunesse, Scott Harrison, Bryce Koch, Blue Topping, T A Brock, Julie Foreman, Martin T. Schechter, Eugenia Oviedo‐Joekes

Notice bibliographique

RevueAddiction · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensIsland HealthUniversity of British ColumbiaMcGill UniversitySt. Paul's HospitalProvincial Health Services AuthorityProvidence Health Care
Organismes subventionnairesCanadian Institutes of Health ResearchCanada Research ChairsCanada Foundation for Innovation
Mots-clésPreferenceLatent class modelMedicinePreference elicitationOpioid use disorderFamily medicinePsychologyOpioidApplied psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND AIMS: Clinical trials support injectable opioid agonist treatment (iOAT) for individuals with opioid use disorder (OUD) for whom other pharmacological management approaches are not well-suited. However, despite substantial research indicating that person-centered care improves engagement, retention and health outcomes for individuals with OUD, structural requirements (e.g. drug policies) often dictate how iOAT must be delivered, regardless of client preferences. This study aimed to quantify clients' iOAT delivery preferences to improve client engagement and retention. DESIGN: Cross-sectional preference elicitation survey. SETTING: Metro Vancouver, British Columbia, Canada. PARTICIPANTS: 124 current and former iOAT clients. MEASUREMENTS: Participants completed a demographic questionnaire package and an interviewer-led preference elicitation survey (case 2 best-worst scaling task). Latent class analysis was used to identify distinct preference groups and explore demographic differences between preference groups. FINDINGS: Most participants (n = 100; 81%) were current iOAT clients. Latent class analysis identified two distinct groups of client preferences: (1) autonomous decision-makers (n = 73; 59%) and (2) shared decision-makers (n = 51; 41%). These groups had different preferences for how medication type and dosage were selected. Both groups prioritized access to take-home medication (i.e. carries), the ability to set their own schedule, receiving iOAT in a space they like and having other services available at iOAT clinics. Compared with shared decision-makers, fewer autonomous decision-makers identified as a cis-male/man and reported flexible preferences. CONCLUSIONS: Injectable opioid agonist treatment (iOAT) clients surveyed in Vancouver, Canada, appear to prefer greater autonomy than they currently have in choosing OAT medication type, dosage and treatment schedule.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,885
Score d'incertitude au seuil0,675

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,272
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAddictionMême sujetOpioid Use Disorder TreatmentTravaux en français237 207