Creation of a telehealth addiction consultation service at a rural hospital: a case study
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
BACKGROUND: Rural communities face significant barriers to accessing substance use disorder (SUD) treatment, resulting in gaps in care and increased rates of opioid-related overdose deaths. Hospital-based Addiction Consult Services (ACS) improve outcomes for patients with SUD, but rural hospitals often lack these services. CASE PRESENTATION: The Community Addiction Consult (CAC) service was established at a rural hospital in western Massachusetts to address this gap. CAC was designed by a community coalition comprised of a diverse cross-section of the community in which the hospital is based, using opioid-overdose data from the region to inform their decisions. Using a telehealth model, the CAC provided evidence-based treatments to support hospital staff treating patients with opioid use disorder (OUD) or requiring addiction-related care. From April 2023 through December 2023, the CAC provided 36 consults, facilitating increased access to medications for opioid use disorder (MOUD), and enhancing provider confidence in treating people who use drugs (PWUD) and initiating MOUD. An average of 22 patients received MOUD as inpatients monthly, and 11 emergency department patients received MOUD monthly. The CAC team also implemented training sessions, and an anti-stigma campaign to familiarize hospital staff with harm reduction principles and person-centered care strategies to foster a more supportive treatment environment for PWUD. CONCLUSIONS: The Community Addiction Consult service demonstrates the feasibility and efficacy of a telehealth Addiction Consult Service model. Paired with staff trainings, such a model can bridge the gaps in rural addiction care. By leveraging local expertise and data-driven approaches, this model offers a scalable, equitable solution to improving access to substance use disorder treatment in rural settings.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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