Factors influencing opioid agonist therapy retention among individuals with opioid use disorder in primary care
Notice bibliographique
Résumé
The opioid crisis remains a significant public health concern, with fentanyl contributing to 79% of accidental opioid-related deaths in Canada between January and June 2024, nearly a 40% increase since the national surveillance in 2016. Opioid agonist therapy (OAT), using medications such as methadone and buprenorphine, is an evidence-based treatment for opioid use disorder (OUD) that aims to reduce harm and mortality. While OAT is increasingly delivered in primary care to improve accessibility, patient retention in these programs remains a significant challenge. Retention is a commonly used outcome in OUD treatment studies; however, there is no universal definition. This integrative review explores the factors influencing OAT retention among individuals with opioid use disorder in primary care settings. A systematic search of peerreviewed literature published from 2016 to 2024 identified nine U.S.-based studies, including three qualitative and six cohort studies. Findings indicate that comorbid mental health and substance use disorders, along with limited access to psychosocial supports, negatively affect retention. Conversely, low-barrier, trauma-informed, and multidisciplinary care models are associated with improved outcomes. These findings highlight the need for OAT programs to adapt to the complex needs of patients with OUD by providing individualized, flexible, and accessible treatment options. Integrating mental health and addiction care within primary care settings may improve patient engagement and decrease opioid-related harm and mortality.,
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».