Psychedelics for the Treatment of Substance Use Disorders: A Narrative Review of the Literature
Notice bibliographique
Résumé
BACKGROUND AND AIMS: There is an increasing interest in the use of psychedelics for the treatment of substance use disorders (SUDs) and to improve overall health and wellbeing. We aimed to update and complement research syntheses that have focused only on results from clinical trials by synthesizing the research across diverse methods to discuss implications from a broad and multi-faceted literature. METHODS: We conducted a narrative review of research focused on substance use and SUDs and both classic and non-classic/atypical psychedelics published between 1990 and 2025, synthesizing the evidence across population/survey studies, observational research, and clinical trials. RESULTS: There is growing investment in clinical research on psychedelics, yet methodological concerns within and across studies present challenges to the validity and generalizability of results. Research across population/survey studies, observational studies, as well as clinical trials suggest that symptom reduction is associated with a range of pharmacological, spiritual, and interpersonal processes. Findings from population surveys and observational studies align with growing clinical evidence in support of the use of psychedelics in the treatment of SUDs, indicating a need for more research to improve generalizability, understanding of safety concerns, the role of psychotherapies, and ethical implications of giving psychedelics to vulnerable populations. CONCLUSIONS: There is a need for more transparency in clinical research design and reporting, as well as for larger studies that track long-term outcomes. Studies with diverse methodological approaches are important to fill in knowledge gaps concerning treatment safety, tolerability, real-world effectiveness, accessibility, and respect for religious, traditional, and Indigenous communities. We specifically encourage more investment in observational, naturalistic, population-level, and survey research that can provide broad public health data on psychedelic-related SUD treatments and/or highly contextualized and historicized data on treatment methods, delivery, and experiences.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».