Dataset for: "Interventions to improve access to opioid agonist therapy in acute hospitals: A scoping review"
Notice bibliographique
Résumé
<div> Many people who use illicit opioids have negative experiences when admitted to hospital, which is partly due to poor availability of opioid agonist therapy (OAT). We conducted a scoping review of interventions to increase access OAT to for hospital patients, with searches of MEDLINE, EMBASE, PsychINFO, and CINAHL for evaluations published before 29 July 2024. We followed a registered protocol (identifier: CRD42022313237). We included interventions in acute inpatient or emergency department settings, and extracted intervention characteristics, location, evaluation design and quality, and evidence for effectiveness. We included 57 studies; 50 from the United States, six from Canada, and one from the UK. Fifty-one were published in 2015 or later. We identified three intervention classes: (a) pathways to initiate OAT in emergency departments, entailing screening patients or training staff to identify withdrawal, initiating buprenorphine, and supported referrals (26 studies); (b) multidisciplinary ‘addiction consult teams’, which provide substance-related care across hospital departments, advise primary medical teams on issues such as pain relief and withdrawal management, and support patients with discharge and onward care (18 studies); and (c) Interventions that build capacity of general clinical teams to provide OAT to inpatients, including protocols to identify patients who need OAT, multidisciplinary patient review, and training/clinical education (13 studies). Most interventions included multiple components, and the most common were clinical education and measures to improve continuity of OAT after discharge, such as bridge prescriptions and supported referrals to community prescribers. Almost all studies concluded that interventions were effective, however evaluation methods were generally weak and most used before/after or case series designs. Efforts to improve OAT in acute hospitals emerged recently in North America and focus on addiction consult teams and initiation of buprenorphine in emergency departments. Although formal evaluation is weak, these models may represent starting points for national policy and larger research programmes. </div>
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».