The OPTIMUS International Consensus Guidance for Monitoring User-Reported Outcomes of Opioid Maintenance Treatment: a Delphi Study
Notice bibliographique
Résumé
Opioid use disorder is a major cause of drug-related harm and mortality. These can be reduced by expanded access to evidence-based and highly effective opioid agonist maintenance treatment or therapy (OMT). There is a lack of consensus on how to assess opioid use disorder treatment outcomes, and key health outcomes are often omitted. We report the results of a Delphi study to produce service user- and public health–centred international consensus guidance for OMT outcomes monitoring. An international group of 110 substance use specialists in 32 countries, including service providers, researchers and people with lived experience of OMT, produced draft guidance over multiple meetings. The guidance includes a service user-reported OMT outcomes questionnaire, based on 26 core questions, plus optional questions, in six domains (treatment, physical health, mental health, social functioning, substance use, quality of life). A Delphi panel of 757 OMT professionals and service users (46%) from 29 countries, of which 40% were female, reviewed the questionnaire over two survey rounds, supporting and improving it (round 2 mean agreement score on a 1-6 Likert scale: 5.2; 95%CI 5.1–5.3). By focusing on service user–reported and public health–centred outcomes of OMT, the OPTIMUS consensus guidance aims to facilitate the communication between service providers and service users and improve the quality of care and the survival, health and quality of life of OMT service users.
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 | 0,338 | 0,278 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,004 | 0,014 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».