Managing substance abuse on psychiatric units: a scoping review
Notice bibliographique
Résumé
Objective: Substance use during psychiatric hospitalization compromises safety, treatment engagement, and post-discharge outcomes, but practical guidance for ward staff remains limited. This scoping review mapped the peer-reviewed literature on how psychiatric inpatient units detect, manage, and respond to alcohol or drug use that occurs on the ward itself, and summarized the effectiveness and breadth of reported strategies. Methods: The review followed the PRISMA-ScR framework. PubMed, Embase, PsycINFO, and Google Scholar were searched from inception to April 2025 using controlled vocabulary and free-text terms for substance use, psychiatric inpatients, and management strategies. English- and French-language empirical studies, quality-improvement reports, policy evaluations, and scoping reviews were eligible if they described an intervention or protocol applied in an inpatient psychiatric setting. Reviewers independently screened titles/abstracts and full texts extracted data with a standardized spreadsheet, and applied Joanna Briggs Institute critical-appraisal tools. Results: From the identified studies, 18 studies met inclusion criteria: 1 randomized trial, 3 quasi-experimental reports, 8 descriptive prevalence/cross-sectional studies, 2 policy case studies, 3 reviews/chapters, and 1 commentary. Seven recurring intervention domains were identified: systematic screening (n = 9 studies), brief motivational interventions, policy / protocol development, environmental or security measures, harm reduction strategies, staff training and culture change, and discharge planning. Structured screening improved detection rates up to two-fold; brief interventions such as SBIRT and BIMI increased post-discharge treatment engagement and reduced 30-day readmissions by up to 18%. Zero-tolerance security measures showed inconsistent effects on contraband entry or aggression. Overall methodological quality was moderate, with most evidence derived from single-site implementations. Conclusions: Existing evidence suggests that standardized screening, ward-adapted brief interventions, clear patient-centered policies, and targeted harm-reduction measures can feasibly improve management of inpatient substance use, while purely punitive security tactics are insufficient. Research gaps include rigorous multi-site evaluations, adolescent and forensic settings, and integrated harm-reduction protocols for substances other than nicotine.
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 | 0,025 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,023 | 0,022 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».