Search

Background: There has been increasing concern over opioid-related harms across the world. In Australia in 2018, codeine-containing products were up-scheduled from over-the-counter access at pharmacies, to requiring a prescription. The drug regulator’s decision to up-schedule was contentious and widely debated, due to the potentially large impact on consumers and healthcare professionals. This study aimed to analyse influences on the codeine up-scheduling policy. Methods: This retrospective policy analysis used the Advocacy Coalition Framework to understand how policy actors with shared beliefs formed adversarial coalitions to shape policy. Data were drawn from documents (regulator policy documents, public submissions, news reports, organisational media releases and position statements) and semi-structured interviews with 15 key policy actors. Codes were generated relating to policy processes and actor beliefs; broad themes included the role of health professionals, perceptions of opioids, impact on consumers, and the role of government in healthcare. Results: Two coalitions in this policy subsystem were identified: 1) supportive [with respect to the up-scheduling], and 2) opposing. The key evident beliefs of the supportive coalition were that the harms of codeine outweighed the benefits, and that government regulation was the best pathway for protecting consumers. The opposing coalition believed that the benefits of codeine accessible through pharmacists outweighed any harms, and consumers should manage their health without any more intervention than necessary. The policy decision reflected the influence of the supportive coalition, and this analysis highlighted the importance of their public health framing of the issue, the acceptability of their experts and supporting evidence, and the perceived legitimacy of the up-scheduling process. Conclusions: Understanding these coalitions, their beliefs, and how they are translated through existing policy processes and institutions provides insight for those interested in influencing future health policy. Specific lessons include the importance of strategic frames and advocacy, and engagement with formal policy processes.

BACKGROUND: The COVID-19 pandemic has highlighted the importance of coordinating policies on vaccinations at the national level. In Australia, the regulation and management of pharmacist-administered vaccination programs are the responsibility of each of the eight jurisdictions (six states and two territories), and have been developed independently of each other, leading to substantial variation. Consequently, there are variations regarding which vaccines pharmacists can administer, the minimum age, and whether these vaccines are publicly funded. OBJECTIVE(S): To identify opportunities for a nationally consistent approach to pharmacist-administered vaccinations in Australia. METHODS: This policy analysis used the Multiple Streams Framework to identify barriers and enablers within the three "streams" of problem, policy, and politics, and how they affected the development of a national approach. Data were drawn from semi-structured interviews with 13 key policy actors and documents (pre-budget submissions and parliamentary inquiry reports). Themes were generated around actor interests, current and proposed pharmacist vaccination programs, and policymaking processes. RESULTS: From the pharmacy sector, there was little clarity around the need for a nationally consistent approach. This issue was linked to their ultimate goal of expanding pharmacist vaccination programs; it was seen as a means for states/territories with smaller programs to 'catch up' to other jurisdictions. There was also no unified policy approach from this sector; additionally, decision-makers within jurisdictional health departments faced different service delivery models, policy priorities, agendas, and policy actor relationships. Lastly, there was no federal body that had the capacity to coordinate a national approach. Possible enablers include refining the problem definition and re-framing it to a patient-centric model. CONCLUSIONS: Coordination of vaccination policies is an ongoing policy issue with implications for pharmacist vaccination programs and other health policy areas in which a national approach is being considered. This analysis provides insight into how this may be developed in the future.

BACKGROUND: In response to the COVID-19 pandemic, many pharmacy-based or pharmacist-delivered services were introduced or amended to mitigate the pandemic's health and social impact. This happened within the context of pharmacists seeking more opportunities to increase their clinical responsibilities and play a larger role in primary care. OBJECTIVE(S): To analyse the policymaking context and pharmacy responses to COVID-19 that enable or constrain the expansion of pharmacists' scope of practice. METHODS: This study is a policy analysis of documentary data detailing changes in pharmacy policy in Australia, drawing on a "policy space analysis" framework to identify opportunities and constraints to policy reform. Data were collected from news for health professionals; federal/jurisdictional legislation and media releases; and guidelines and directives from government health departments and agencies. Changes to pharmacy practice were identified and classified according to type. For each change, potential opportunities and constraints for expanding pharmacists' scope of practice were identified. RESULTS: Four categories of changes were identified: medicines limits/restrictions; alternatives to paper prescriptions; public health measures; and community pharmacist-delivered services. Opportunities from the pandemic response that could expand scope of practice include the potential permanence of temporary measures that increase pharmacists' responsibilities; remuneration to legitimise services; political acknowledgement of medicines safety and access as a priority; and government need to quickly address crises. Constraints include the potential permanence of temporary measures that restrict pharmacists' practice; negative perceptions of pharmacists from other clinicians; intra-professional disagreements regarding pharmacy-based services; and lack of pharmacist representation in institutional structures. CONCLUSIONS: This analysis demonstrates that the pandemic responses and policy context may facilitate expansion of pharmacists' scope of practice, and identifies possible avenues to do so; it also highlights constraints that need to be further addressed to achieve this goal.

ObjectiveTo compare results reporting and the presence of spin in COVID-19 study preprints with their finalised journal publications.DesignCross-sectional study.SettingInternational medical literature.ParticipantsPreprints and final journal publications of 67 interventional and observational studies of COVID-19 treatment or prevention from the Cochrane COVID-19 Study Register published between 1 March 2020 and 30 October 2020.Main outcome measuresStudy characteristics and discrepancies in (1) results reporting (number of outcomes, outcome descriptor, measure, metric, assessment time point, data reported, reported statistical significance of result, type of statistical analysis, subgroup analyses (if any), whether outcome was identified as primary or secondary) and (2) spin (reporting practices that distort the interpretation of results so they are viewed more favourably).ResultsOf 67 included studies, 23 (34%) had no discrepancies in results reporting between preprints and journal publications. Fifteen (22%) studies had at least one outcome that was included in the journal publication, but not the preprint; eight (12%) had at least one outcome that was reported in the preprint only. For outcomes that were reported in both preprints and journals, common discrepancies were differences in numerical values and statistical significance, additional statistical tests and subgroup analyses and longer follow-up times for outcome assessment in journal publications.At least one instance of spin occurred in both preprints and journals in 23/67 (34%) studies, the preprint only in 5 (7%), and the journal publications only in 2 (3%). Spin was removed between the preprint and journal publication in 5/67 (7%) studies; but added in 1/67 (1%) study.ConclusionsThe COVID-19 preprints and their subsequent journal publications were largely similar in reporting of study characteristics, outcomes and spin. All COVID-19 studies published as preprints and journal publications should be critically evaluated for discrepancies and spin.

BACKGROUND: Developers of medicines-related apps collect a variety of technical, health-related, and identifying user information to improve and tailor services. User data may also be used for promotional purposes. Apps, for example, may be used to skirt regulation of direct-to-consumer advertising of medicines. Researchers have documented routine and extensive sharing of user data with third parties for commercial purposes, but little is known about the ways that app developers or “first” parties employ user data. OBJECTIVE: We aimed to investigate the nature of user data collection and commercialization by developers of medicines-related apps. APPROACH: We conducted a content analysis of apps’ store descriptions, linked websites, policies, and sponsorship prospectuses for prominent medicines-related apps found in the USA, Canada, Australia, and UK Google Play stores in late 2017. Apps were included if they pertained to the prescribing, administration, or use of medicines, and were interactive. Two independent coders extracted data from documents using a structured, open-ended instrument. We performed open, inductive coding to identify the range of promotional strategies involving user data for commercial purposes and wrote descriptive memos to refine and detail these codes. KEY RESULTS: Ten of 24 apps primarily provided medication adherence services; 14 primarily provided medicines information. The majority (71%, 17/24) outlined at least one promotional strategy involving users’ data for commercial purposes which included personalized marketing of the developer’s related products and services, highly tailored advertising, third-party sponsorship of targeted content or messaging, and sale of aggregated customer insights to stakeholders. CONCLUSIONS: App developers may employ users’ data in a feedback loop to deliver highly targeted promotional messages from developers, and commercial sponsors, including the pharmaceutical industry. These practices call into question developers’ claims about the trustworthiness and independence of purportedly evidenced-based medicines information and may create a risk for mis- or overtreatment. ELECTRONIC SUPPLEMENTARY MATERIAL: The online version of this article (10.1007/s11606-019-05214-0) contains supplementary material, which is available to authorized users.

Reducing the transmission of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) is a global priority. Contact tracing identifies people who were recently in contact with an infected individual, in order to isolate them and reduce further transmission. Digital technology could be implemented to augment and accelerate manual contact tracing. Digital tools for contact tracing may be grouped into three areas: 1) outbreak response; 2) proximity tracing; and 3) symptom tracking. We conducted a rapid review on the effectiveness of digital solutions to contact tracing during infectious disease outbreaks.To assess the benefits, harms, and acceptability of personal digital contact tracing solutions for identifying contacts of an identified positive case of an infectious disease.An information specialist searched the literature from 1 January 2000 to 5 May 2020 in CENTRAL, MEDLINE, and Embase. Additionally, we screened the Cochrane COVID-19 Study Register.We included randomised controlled trials (RCTs), cluster-RCTs, quasi-RCTs, cohort studies, cross-sectional studies and modelling studies, in general populations. We preferentially included studies of contact tracing during infectious disease outbreaks (including COVID-19, Ebola, tuberculosis, severe acute respiratory syndrome virus, and Middle East respiratory syndrome) as direct evidence, but considered comparative studies of contact tracing outside an outbreak as indirect evidence. The digital solutions varied but typically included software (or firmware) for users to install on their devices or to be uploaded to devices provided by governments or third parties. Control measures included traditional or manual contact tracing, self-reported diaries and surveys, interviews, other standard methods for determining close contacts, and other technologies compared to digital solutions (e.g. electronic medical records).Two review authors independently screened records and all potentially relevant full-text publications. One review author extracted data for 50% of the included studies, another extracted data for the remaining 50%; the second review author checked all the extracted data. One review author assessed quality of included studies and a second checked the assessments. Our outcomes were identification of secondary cases and close contacts, time to complete contact tracing, acceptability and accessibility issues, privacy and safety concerns, and any other ethical issue identified. Though modelling studies will predict estimates of the effects of different contact tracing solutions on outcomes of interest, cohort studies provide empirically measured estimates of the effects of different contact tracing solutions on outcomes of interest. We used GRADE-CERQual to describe certainty of evidence from qualitative data and GRADE for modelling and cohort studies.We identified six cohort studies reporting quantitative data and six modelling studies reporting simulations of digital solutions for contact tracing. Two cohort studies also provided qualitative data. Three cohort studies looked at contact tracing during an outbreak, whilst three emulated an outbreak in non-outbreak settings (schools). Of the six modelling studies, four evaluated digital solutions for contact tracing in simulated COVID-19 scenarios, while two simulated close contacts in non-specific outbreak settings. Modelling studies Two modelling studies provided low-certainty evidence of a reduction in secondary cases using digital contact tracing (measured as average number of secondary cases per index case - effective reproductive number (RThe effectiveness of digital solutions is largely unproven as there are very few published data in real-world outbreak settings. Modelling studies provide low-certainty evidence of a reduction in secondary cases if digital contact tracing is used together with other public health measures such as self-isolation. Cohort studies provide very low-certainty evidence that digital contact tracing may produce more reliable counts of contacts and reduce time to complete contact tracing. Digital solutions may have equity implications for at-risk populations with poor internet access and poor access to digital technology. Stronger primary research on the effectiveness of contact tracing technologies is needed, including research into use of digital solutions in conjunction with manual systems, as digital solutions are unlikely to be used alone in real-world settings. Future studies should consider access to and acceptability of digital solutions, and the resultant impact on equity. Studies should also make acceptability and uptake a primary research question, as privacy concerns can prevent uptake and effectiveness of these technologies.Die Eindämmung der Übertragung von SARS‐CoV‐2 (engl. „severe acute respiratory syndrome coronavirus type 2“) ist weltweit von hoher Dringlichkeit. Eine Kontaktnachverfolgung ermöglicht die Identifizierung von Menschen, die vor kurzem Kontakt mit einer infizierten Person hatten, um sie zu isolieren und weitere Übertragungen zu vermindern. Digitale Technologien könnten dazu eingesetzt werden, manuelle Varianten der Kontaktnachverfolgung zu ergänzen und zu beschleunigen. Digitale Verfahren zur Ermittlung von Kontaktpersonen lassen sich in drei Bereiche untergliedern: 1) Reaktion auf den Infektionsausbruch; 2) Kontaktnachverfolgung in der näheren Umgebung (engl. „proximity tracing“); und 3) Nachverfolgung von Symptomen. Wir führten einen Rapid Review zur Wirksamkeit digitaler Lösungen für die Kontaktnachverfolgung bei Ausbrüchen von Infektionskrankheiten durch.Das Ziel des Reviews war es, den Nutzen, Schaden und die Akzeptanz von Konzepten der personenbezogenen digitalen Kontaktnachverfolgung zur Identifizierung von Kontakten eines bestätigten positiven Falls einer Infektionskrankheit zu bewerten.Ein Informationsspezialist führte die Literatursuche in CENTRAL, MEDLINE und Embase mit dem Suchzeitraum 1. Januar 2000 bis 5. Mai 2020 durch. Zusätzlich durchsuchten wir das COVID‐19‐Studienregister von Cochrane.Wir schlossen randomisierte kontrollierte Studien (RCTs), Cluster‐RCTs, Quasi‐RCTs, Kohortenstudien, Querschnittsstudien und Modellierungsstudien ein, in denen Allgemeinbevölkerungs‐Gruppen untersucht wurden. Wir bevorzugten Studien zur Kontaktnachverfolgung als direkte Evidenz, die während des Ausbruchs einer Infektionskrankheit durchgeführt wurden (einschließlich COVID‐19, Ebola, Tuberkulose, schweres akutes Atemwegssyndrom (SARS) und „Middle East Respiratory Syndrome“ (MERS)), berücksichtigten jedoch auch vergleichende Studien zur Kontaktnachverfolgung außerhalb eines Ausbruchs als indirekte Evidenz. Die digitalen Konzepte variierten, enthielten aber in der Regel Software (oder Firmware), die die Benutzer auf ihren Geräten installierten, oder auf Geräten, die ihnen von Regierungen oder Dritten zur Verfügung gestellt wurden. Zu den Kontrollinterventionen zählten die übliche oder manuelle Kontaktnachverfolgung, selbstverfasste Aufzeichnungen und Umfragen, Interviews, andere Standardmethoden zur Bestimmung enger Kontakte und andere Technologien im Vergleich zu digitalen Konzepten (z.B. elektronische Krankenakten). DATENSAMMLUNG UND ‐ANALYSE: Zwei Review‐Autoren sichteten unabhängig voneinander die Einträge und alle potenziell relevanten Volltextpublikationen. Ein Review‐Autor extrahierte die Daten von 50% der eingeschlossenen Studien, ein weiterer Autor extrahierte die Daten der restlichen 50%; der zweite Review‐Autor überprüfte alle extrahierten Daten. Die Qualitätsbewertung der eingeschlossenen Studien wurde von einem Review‐Autor durchgeführt; ein zweiter Autor überprüfte diese Bewertungen. Unsere Endpunkte umfassten die Ermittlung von Sekundärfällen und engen Kontakten, die Zeit bis zum Abschluss der Kontaktnachverfolgung, die Akzeptanz und Zugänglichkeit, Datenschutz‐ und Sicherheitsbedenken sowie weitere identifizierte ethische Aspekte. In Modellierungsstudien werden prognostische Schätzungen der Wirksamkeit verschiedener Verfahren zur Kontaktnachverfolgung auf die interessierenden Endpunkte errechnet, Kohortenstudien wiederum liefern empirisch erhobene Schätzungen der Wirksamkeit verschiedener Verfahren zur Kontaktnachverfolgung auf die interessierenden Endpunkte. Wir verwendeten GRADE‐CERQual, um die Vertrauenswürdigkeit der Evidenz aus qualitativen Daten zu beschreiben, und GRADE für Modellierungs‐ und Kohortenstudien.Wir identifizierten sechs Kohortenstudien mit quantitativen Daten und sechs Modellierungsstudien, die über Simulationen berichteten, welche digitale Konzepte für die Kontaktnachverfolgung untersuchten. Zwei Kohortenstudien lieferten zudem qualitative Daten. Drei Kohortenstudien befassten sich mit der Kontaktnachverfolgung während eines Ausbruchs, und drei Kohortenstudien stellten einen Ausbruch in Settings ohne tatsächlichen Ausbruch (Schulen) nach. Von den sechs Modellierungsstudien evaluierten vier digitale Lösungen für die Kontaktnachverfolgung in Form von simulierten COVID‐19‐Szenarien, während zwei enge Kontakte in unspezifischen Ausbruchssituationen simulierten. Modellierungsstudien Zwei Modellierungsstudien lieferten Evidenz von niedriger Vertrauenswürdigkeit hinsichtlich einer Verringerung von Sekundärfällen mit Hilfe der digitalen Kontaktnachverfolgung (gemessen als durchschnittliche Anzahl von Sekundärfällen pro Indexfall ‐ effektive Reproduktionszahl (RDie Wirksamkeit digitaler Lösungen ist weitgehend ungesichert, da es nur sehr wenige veröffentlichte Daten von Ausbrüchen in der realen Welt gibt. Modellierungsstudien zeigen, bei niedriger Vertrauenswürdigkeit der Evidenz, dass die digitale Kontaktnachverfolgung zusammen mit anderen öffentlichen Gesundheitsmaßnahmen wie der Selbstisolation zu einer Reduzierung von Sekundärfällen führen kann. Kohortenstudien liefern, bei sehr niedriger Vertrauenswürdigkeit der Evidenz, Evidenz dafür, dass die digitale Kontaktnachverfolgung zu zuverlässigeren Kontaktzahlen führen und die Zeit bis zum Abschluss der Kontaktnachverfolgung verkürzen kann. Digitale Lösungen können Auswirkungen auf die soziale Gerechtigkeit von Risikopopulationen mit unzureichendem Internetzugang und unzureichendem Zugang zu digitalen Technologien haben. Es ist eine stärkere Primärforschung zur Wirksamkeit von Kontaktnachverfolgungs‐Technologien erforderlich, einschließlich Forschung zur koordinierten Verwendung digitaler Konzepte in Verbindung mit manuellen Systemen, da es unwahrscheinlich ist, dass digitale Lösungsansätze in der realen Welt allein eingesetzt werden. Künftige Studien sollten den Zugang zu und die Akzeptanz von digitalen Lösungsansätzen und die sich daraus ergebenden Auswirkungen auf die soziale Gerechtigkeit berücksichtigen. Studien sollten auch die Akzeptanz und Nutzung zu einer vorrangigen Forschungsfrage machen, da Datenschutzbedenken die Nutzung und Wirksamkeit dieser Technologien verhindern können.배경: 중증 급성 호흡기 증후군 코로나 바이러스 2 (SARS‐CoV‐2)의 전파를 줄이는 것은 전 세계적으로 우선 순위가 높다. 접촉 추적은 감염된 개인과 최근 접촉 한 사람들을 식별하여 이들을 격리하고 추가 전파를 줄다. 디지털 기술을 구현하여 수동 접촉 추적을 강화하고 가속화 할 수 있다. 연락처 추적을위한 디지털 도구는 세 가지 영역으로 분류 될 수 있다. 1) 발병 대응; 2) 근접 추적; 및 3) 증상 추적. 우리는 감염성 질병 발생시 접촉 추적을위한 디지털 솔루션의 효과에 대해 신속하게 검토했다. 목적: 확인 된 감염성 질환의 양성 사례의 접촉을 식별하기위한 개인 디지털 접촉 추적 솔루션의 이점, 피해 및 수용 가능성을 평가다. 검색 전략: 정보 전문가가 2000 년 1 월 1 일부터 2020 년 5 월 5 일까지 CENTRAL, MEDLINE 및 Embase에서 문헌을 검색했다. 또한 Cochrane COVID‐19 연구 등록을 심사했다. 선정 기준: 우리는 일반 인구를 대상으로 무작위 대조 시험 (RCT), 클러스터 ‐RCT, 준 RCT, 코호트 연구, 횡단면 연구 및 모델링 연구를 포함했다. 우리는 직접적인 증거로 감염성 질환 발생 (COVID‐19, 에볼라, 결핵, 중증 급성 호흡기 증후군 바이러스 및 중동 호흡기 증후군 포함) 동안 접촉 추적 연구를 우선적으로 포함 시켰지만, 간접 증거로 발병 이외의 접촉 추적에 대한 비교 연구를 고려했다. . 디지털 솔루션은 다양하지만 일반적으로 사용자가 장치에 설치하거나 정부 또는 제 3자가 제공하는 장치에 업로드 할 수있는 소프트웨어 (또는 펌웨어)를 포함한다. 통제 조치에는 기존 또는 수동 접촉 추적,자가보고 일기 및 설문 조사, 인터뷰, 가까운 접촉을 결정하기위한 기타 표준 방법 및 디지털 솔루션과 비교 한 기타 기술 (예: 전자 의료 기록)이 포함되었다. 자료 수집 및 분석: 두 명의 리뷰 저자가 독립적으로 기록과 관련 가능성이있는 모든 전문 출판물을 선별했다. 한 리뷰 작성자는 포함 된 연구의 50 %에 대한 데이터를 추출했고, 다른 리뷰 작성자는 나머지 50 %에 대해 데이터를 추출했습니다. 두 번째 리뷰 작성자는 추출 된 모든 데이터를 확인했다. 한 리뷰 작성자는 포함 된 연구의 품질을 평가하고 두 번째 작성자는 평가를 확인했다. 우리의 결과는 2 차 사례와 가까운 접촉, 접촉 추적 완료 시간, 수용 가능성 및 접근성 문제, 개인 정보 보호 및 안전 문제, 기타 확인 된 모든 윤리적 문제 식별이었다. 모델링 연구는 관심 결과에 대한 서로 다른 접촉 추적 솔루션의 효과 추정치를 예측하지만, 코호트 연구는 관심 결과에 대한 서로 다른 접촉 추적 솔루션의 효과에 대한 경험적으로 측정 된 추정치를 제공한다. 우리는 GRADE‐CERQual을 사용하여 정 성적 데이터에서 증거의 확실성을 설명하고 GRADE를 모델링 및 코호트 연구에 사용했다. 주요 결과: 우리는 정량적 데이터를보고하는 6 개의 코호트 연구와 접촉 추적을위한 디지털 솔루션의 시뮬레이션을보고하는 6 개의 모델링 연구를 확인했다. 두 개의 코호트 연구도 정 성적 데이터를 제공했다. 3 건의 코호트 연구는 발병 중 접촉 추적을 조사했으며 3 건은 비 발생 환경 (학교)에서 발병을 모방했다. 6 개의 모델링 연구 중 4 개는 시뮬레이션 된 COVID‐19 시나리오에서 접촉 추적을위한 디지털 솔루션을 평가했으며, 2 개는 비특이적 발병 환경에서 근접 접촉을 시뮬레이션했다. 모델링 연구 두 가지 모델링 연구는 디지털 접촉 추적을 사용하여 2 차 사례 감소에 대한 낮은 불확실성 증거를 제공했다 (지표 사례 당 평균 2 차 사례 수‐유효 생식 수 ( Rบทนำ: การลดการแพร่กระจายของโรคทางเดินหายใจเฉียบพลันรุนแรง coronavirus 2 (SARS‐CoV‐2) เป็นสิ่งสำคัญระดับโลก การติดตามผู้สัมผัสค้นหาผู้ที่เพิ่งสัมผัสกับบุคคลที่ติดเชื้อเพื่อแยกพวกเขาออกและลดการแพร่เชื้อเพิ่มเติม เทคโนโลยีดิจิทัลสามารถนำมาเพื่อช่วยและเร่งการติดตามผู้สัมผัสด้วยมือ เครื่องมือดิจิทัลสำหรับการติดตามผู้สัมผัสอาจแบ่งออกเป็น 3 ส่วน: 1) การตอบสนองการระบาด 2) การติดตามใกล้ชิด; และ 3) การติดตามอาการ เราทำการทบทวนวรรณกรรมอย่างรวดเร็ว เกี่ยวกับประสิทธิผลของวิธีการดิจิทัลในการติดตามการสัมผัสระหว่างการระบาดของโรคติดเชื้อ วัตถุประสงค์: เพื่อประเมินผลประโยชน์ อันตราย และการยอมรับของวิธีการติดตามผู้สัมผัสส่วนบุคคลแบบดิจิทัลสำหรับการระบุผู้สัมผัสของกรณีที่เป็นผลบวกของโรคติดเชื้อ วิธีการสืบค้น: ผู้เชี่ยวชาญด้านข้อมูลสืบค้นวรรณกรรมตั้งแต่ 1 มกราคม 2000 ถึง 5 พฤษภาคม 2020 ใน CENTRAL, MEDLINE และ Embase นอกจากนี้เราได้คัดกรอง Cochrane COVID‐19 Study Register เกณฑ์การคัดเลือก: เราได้รวมการทดลองที่มีการควบคุมแบบสุ่ม (RCT), คลัสเตอร์ ‐ RCT, quasi RCT, cohort studies, การศึกษาแบบตัดขวางและการศึกษาแบบจำลองในประชากรทั่วไป เราสนใจรวมการศึกษาการติดตามการสัมผัสระหว่างการระบาดของโรคติดเชื้อ (รวมถึง COVID‐19, อีโบลา, วัณโรค, ไวรัสกลุ่มอาการทางเดินหายใจเฉียบพลันรุนแรงและกลุ่มอาการทางเดินหายใจในตะวันออกกลาง) เป็นหลักฐานโดยตรง แต่ถือว่าการศึกษาเปรียบเทียบการติดตามการสัมผัสนอกการระบาดเป็นหลักฐานทางอ้อม วิธีการดิจิทัลมีหลากหลาย แต่โดยทั่วไปจะรวมซอฟต์แวร์ (หรือเฟิร์มแวร์) เพื่อให้ผู้ใช้ติดตั้งบนอุปกรณ์ของตนหรืออัปโหลดไปยังอุปกรณ์ที่รัฐบาลหรือบุคคลภายนอกจัดหาให้ มาตรการควบคุมรวมถึงการติดตามการสัมผัสแบบดั้งเดิมหรือทำด้วยมือ สมุดบันทึกและการสำรวจที่รายงานด้วยตนเอง การสัมภาษณ์ วิธีมาตรฐานอื่น ๆ ในการระบุผู้สัมผัสใกล้ชิดและเทคโนโลยีอื่น ๆ เมื่อเทียบกับวิธีการดิจิทัล (เช่นเวชระเบียนอิเล็กทรอนิกส์) การรวบรวมและวิเคราะห์ข้อมูล: ผู้ประพันธ์การทบทวน 2 คนคัดกรองรายงานและรายงานฉบับเต็มที่อาจเกี่ยวข้องทั้งหมดอย่างอิสระ ผู้ประพันธ์การทบทวนคนหนึ่งดึงข้อมูลสำหรับ 50% ของการศึกษาที่รวมไว้และอีกคนหนึ่งดึงข้อมูลอีก 50% ที่เหลือ ผู้ประพันธ์การทบทวนคนที่สองตรวจสอบข้อมูลทีคัดออกมาทั้งหมด ผู้ประพันธ์การทบทวนคนหนึ่งประเมินคุณภาพของการศึกษาที่รวมไว้และอีกคนหนึ่งตรวจสอบการประเมิน ผลลัพธ์ของเราคือการค้นหาผู้ป่วยที่ติดเชื้อตามมาและผู้สัมผัสใกล้ชิด เวลาในการติดตามผู้สัมผัส ปัญหาความสามารถในการยอมรับและการเข้าถึง ความเป็นส่วนตัวและความปลอดภัยและปัญหาด้านจริยธรรมอื่น ๆ ที่พบ แม้ว่าการศึกษาการสร้างแบบจำลองจะทำนายผลโดยประมาณของผลของวิธีการติดตามผู้สัมผัสที่แตกต่างกันต่อผลลัพธ์ทีต้องการ แต่การศึกษาแบบ cohort ให้การประมาณที่วัดได้เบื้องต้นของผลของวิธีการติดตามการสัมผัสที่แตกต่างกันต่อผลลัพธ์ที่ต้องการ เราใช้ GRADE‐CERQual เพื่ออธิบายความเชื่อมั่นของหลักฐานจากข้อมูลเชิงคุณภาพและ GRADE สำหรับการสร้างแบบจำลองและการศึกษาแบบ cohort ผลการวิจัย: เราพบุการศึกษาแบบ cohort 6 รายการที่รายงานข้อมูลเชิงปริมาณ และการศึกษาแบบจำลอง 6 รายการที่รายงานการจำลองวิธีการดิจิทัลสำหรับการติดตามผู้สัมผัส การศึกษาแบบ cohort 2 รายการให้ข้อมูลเชิงคุณภาพด้วย การศึกษาแบบ cohort 3 รายการดูที่การติดตามผู้สัมผัสระหว่างการระบาด ในขณะที่ 3 รายการเลียนแบบการระบาดในสถานที่ที่ไม่มีการระบาด (โรงเรียน) จากการศึกษาการสร้างแบบจำลอง 6 รายการ มีการประเมินวิธีการดิจิทัล 4 รายการสำหรับการติดตามผู้สัมผัสในสถานการณ์จำลอง COVID‐19 ในขณะที 2 รายการจำลองการสัมผ้สใกล้ชิดในการระบาดที่ไม่เฉพาะเจาะจง การศึกษาแบบจำลอง การศึกษาการสร้างแบบจำลอง 2 รายการให้หลักฐานที่มีความเชื่อมั่นต่ำของการลดลงของผู้ป่วยทุติยภูมิโดยใช้การติดตามการสัมผัสแบบดิจิทัล (วัดเป็นจำนวนเฉลี่ยของผู้ป่วยทุติยภูมิต่อผู้ป่วยดัชนี ‐ จำนวนการแพร่กระจาย์ที่มีประสิทธิผล ( Rپیشینه: کاهش در انتقال سندرم حاد تنفسی شدید کروناویروس 2 (SARS‐CoV‐2) یک اولویت جهانی است. ردیابی تماس به شناسایی افرادی می‌پردازد که اخیرا در تماس با یک فرد بیمار قرار داشته‌اند، تا آنها را جداسازی کرده و انتقال بیشتر بیماری را کاهش دهند. از فناوری دیجیتال می‌توان برای تقویت و تسریع در ردیابی دستی تماس استفاده کرد. ابزارهای دیجیتالی برای ردیابی تماس ممکن است در سه حوزه طبقه‌بندی شوند: 1) پاسخ طغیان بیماری؛ 2) ردیابی مجاورت؛ و 3) ردیابی نشانه‌ها. ما یک مرور سریع را در مورد اثربخشی راه‌حل‌های دیجیتالی برای ردیابی تماس در طول طغیان‌های بیماری عفونی انجام دادیم. اهداف: ارزیابی مزایا، مضرات، و مقبولیت راه‌حل‌های ردیابی دیجیتالی تماس شخصی برای شناسایی افرادی که با یک مورد مثبت مبتلا به بیماری عفونی در تماس قرار داشته‌اند. روش‌های جست‌وجو: یک متخصص اطلاعات، منابع علمی را از 1 ژانویه 2000 تا 5 می 2020 در CENTRAL؛ MEDLINE و Embase جست‌وجو کرد. علاوه بر این، ما پایگاه ثبت مطالعات COVID‐19 کاکرین را غربالگری کردیم. معیارهای انتخاب: ما کارآزمایی‌های تصادفی‌سازی و کنترل شده (randomised controlled trials; RCTs)، RCTها خوشه‌ای، شبه‐RCTها، مطالعات کوهورت، مطالعات مقطعی و مطالعات مدل‌سازی، را در جمعیت عمومی وارد کردیم. ما ترجیحا مطالعات مربوط به ردیابی تماس را حین طغیان‌های بیماری عفونی (از جمله OVID‐19 ، ابولا، سل، ویروس سندرم حاد تنفسی شدید و سندرم تنفسی خاورمیانه) به عنوان شواهد مستقیم وارد کردیم، اما مطالعات مقایسه‌ای ردیابی تماس را خارج از وضعیت طغیان بیماری نیز به عنوان شواهد غیرمستقیم در نظر گرفتیم. راه‌حل‌های دیجیتالی متنوع بودند، اما اغلب دربرگیرنده نرم‌افزار (یا سیستم عامل) بودند تا کاربران بتوانند روی دستگاه‌های خود نصب کرده یا روی دستگاه‌های ارائه شده توسط دولت‌ها یا اشخاص ثالث بارگذاری شوند. معیارهای کنترل عبارت بودند از ردیابی مرسوم یا دستی تماس، یادآوری‌هایی که خود افراد گزارش کردند و نظرسنجی‌ها، مصاحبه‌ها، دیگر روش‌های استاندارد برای تعیین تماس‌های نزدیک و سایر فن‌آوری‌ها در مقایسه با راه‌حل‌های دیجیتالی (به عنوان مثال پرونده‌های الکترونیکی پزشکی). گردآوری و تجزیه‌وتحلیل داده‌ها: دو نویسنده مرور مستقل از هم، رکوردها و تمامی مقالات متن کامل را که به‌طور بالقوه با موضوع مرتبط بودند، بررسی کردند. یکی از نویسندگان مرور داده‌های 50% از مطالعات وارد شده را استخراج کرد، دیگری داده‌های 50% باقیمانده را استخراج کرد؛ نویسنده دوم تمام داده‌های استخراج شده را بررسی کرد. یکی از نویسندگان مرور، کیفیت مطالعات وارد شده را ارزیابی و دیگری ارزیابی‌ها را بررسی کرد. پیامدهای ما، شناسایی موارد ثانویه و تماس‌های نزدیک، زمان سپری شده تا تکمیل ردیابی تماس، مسائل مقبولیت و در دسترس بودن برنامه، نگرانی در مورد حریم خصوصی و ایمنی، و دیگر موارد اخلاقی مشخص شده بودند. اگرچه مطالعات مدل‌سازی به پیش‌بینی تخمین‌های اثرات راه‌حل‌های مختلف ردیابی تماس پیرامون پیامدهای مورد نظر می‌پردازند، مطالعات کوهورت به‌طور تجربی برآورد‌های اثرات راه‌حل‌های مختلف ردیابی تماس را در مورد پیامدهای مورد نظر اندازه‌گیری می‌کنند. ما از GRADE‐CERQual برای توصیف قطعیت شواهد از داده‌های کیفی و GRADE برای مدل‌سازی و مطالعات کوهورت استفاده کردیم. نتایج اصلی: ما شش مطالعه کوهورت را شناسایی کردیم که داده‌های کمّی را گزارش کردند و شش مطالعه مدل‌سازی را یافتیم که به ارائه گزارش در مورد شبیه‌سازی‌های راه‌حل‌های دیجیتالی برای ردیابی تماس پرداختند. دو مطالعه کوهورت همچنین داده‌های کیفی را ارائه دادند. سه مطالعه کوهورت نگاهی به ردیابی تماس حین طغیان بیماری انداختند، در حالی که سه مطالعه طغیان بیماری را در شرایط غیر‐شیوع بیماری (مدارس) بازسازی کردند. از شش مطالعه مدل‌سازی، چهار مورد راه‌حل‌های دیجیتالی را برای ردیابی تماس در سناریوهای شبیه‌سازی شده COVID‐19 ارزیابی کردند، در حالی که دو مطالعه دیگر به شبیه‌سازی تماس‌های نزدیک در شرایط طغیان غیر‐اختصاصی بیماری پرداختند. مطالعات مدل‌سازی دو مطالعه مدل‌سازی شواهدی را با قطعیت پائین از کاهش در موارد ثانویه با استفاده از ردیابی دیجیتالی تماس (اندازه‌گیری شده به صورت میانگین تعداد موارد ثانویه به ازای هر مورد شاخص ‐ عدد تجدید نسل موثر (RRéduire la transmission du syndrome respiratoire aigu sévère du coronavirus 2 (SRAS‐CoV‐2) est une priorité mondiale. Le traçage des contacts permet d'identifier les personnes qui ont été récemment en contact avec un individu infecté, afin de les isoler et de réduire la transmission. La technologie numérique pourrait être mise en œuvre pour intensifier et accélérer le traçage manuel. On peut répartir les outils numériques de traçage de contacts en trois domaines: 1) réponse à l'épidémie ; 2) traçage de proximité ; et 3) suivi des symptômes. Nous avons réalisé une revue rapide sur l'efficacité des moyens numériques de traçage des contacts lors d’épidémies de maladies infectieuses.Évaluer les bénéfices, les risques et l'acceptabilité des moyens numériques individuels de traçage pour repérer les contacts d'un cas confirmé positif à une maladie infectieuse. STRATÉGIE DE RECHERCHE DOCUMENTAIRE: Un spécialiste de l'information a effectué une recherche documentaire du 1er janvier 2000 au 5 mai 2020 dans CENTRAL, MEDLINE et Embase. En outre, nous avons consulté le registre des études COVID‐19 de Cochrane. CRITÈRES DE SÉLECTION: Nous avons inclus des essais contrôlés randomisés (ECR), des ECR en grappes, des quasi‐ECR, des études de cohortes, des études transversales et des études de modélisation, en population générale. Nous avons préférentiellement inclus les études sur le traçage des contacts lors d'épidémies de maladies infectieuses (notamment COVID‐19, Ebola, tuberculose, virus du syndrome respiratoire aigu sévère et syndrome respiratoire du Moyen‐Orient) pour les données probantes directes. Mais nous avons pris également en compte des études comparatives sur le traçage des contacts hors épidémie pour les données probantes indirectes. Les moyens numériques étaient variés mais utilisaient généralement des logiciels (ou des microprogrammes) que les utilisateurs pouvaient installer sur leurs appareils ou télécharger sur des appareils fournis par les pouvoirs publics ou par des tiers. Les dispositifs de contrôle incluaient la recherche traditionnelle ou manuelle des contacts, l’auto‐déclaration d’après agendas ou questionnaires, les entretiens, d'autres méthodes standard pour déterminer les contacts rapprochés, ainsi que d'autres technologies comparées aux techniques numériques (par exemple les dossiers médicaux électroniques). RECUEIL ET ANALYSE DES DONNÉES: Deux auteurs de la revue ont examiné indépendamment les dossiers et toutes les publications en texte intégral potentiellement pertinentes. Un des auteurs de la revue a extrait les données sur 50% des études incluses, un autre a extrait les données sur les 50% restants ; le second auteur de la revue a vérifié toutes les données extraites. Un auteur a évalué la qualité des études incluses et un autre a vérifié les évaluations. Nos critères de jugement ont porté sur l'identification des cas secondaires et des contacts rapprochés, le temps nécessaire au traçage des contacts, les questions d'acceptabilité et d'accessibilité, les préoccupations en matière de vie privée et d’innocuité, et toute autre question éthique identifiée. Les études de modélisation prédisent des estimations quant aux effets produits par les différentes méthodes de traçage pour les critères de jugement d’intérêt, alors que les études de cohorte fournissent des estimations mesurées empiriquement des effets produits par les différentes méthodes de traçage pour les critères de jugement d’intérêt. Nous avons utilisé GRADE‐CERQual pour décrire niveau de confiance des données probantes issues de données qualitatives et GRADE pour les études de modélisation et de cohorte. RÉSULTATS PRINCIPAUX: Nous avons identifié six études de cohorte faisant état de données quantitatives et six études de modélisation faisant état de simulations de méthodes numériques pour le traçage de contacts. Deux études de cohorte ont également fourni des données qualitatives. Trois études de cohorte ont porté sur le traçage des contacts lors d'une épidémie, tandis que trois autres ont reproduit une épidémie dans des environnements non épidémiques (écoles). Sur les six études de modélisation, quatre ont évalué des méthodes numériques de traçage des contacts dans des simulations de COVID‐19, tandis que deux ont simulé des contacts rapprochés dans des contextes épidémiques non spécifiques. Études de modélisation Deux études de modélisation ont fourni des données probantes d’un niveau de confiance faible indiquant une réduction des cas secondaires grâce au traçage numérique (nombre moyen de cas secondaires par cas index ‐ nombre de reproduction effectif «R effectif»). Une étude a estimé une réduction de 18 % de R effectif avec le traçage numérique des contacts par rapport à l'auto‐isolation seule, et une réduction de 35 % avec le traçage manuel des contacts. Une autre a constaté une réduction de R effectif pour le traçage numérique des contacts par rapport à l'auto‐isolation seule (26% de réduction) et une réduction de R effectif pour le traçage manuel des contacts par rapport à l'auto‐isolation seule (53% de réduction). Cependant, le niveau de confiance des données probantes a été réduit: par le manque de clarté des caractéristiques de leurs modèles, par les hypothèses sur l'efficacité du traçage manuel (supposée de 95 à 100 % des contacts retrouvés), enfin par la proportion de la population qui disposerait de l'application (53 %). Études de cohorte Deux études de cohorte ont fourni des données probantes d’un niveau de confiance très faible quant à l’avantage du traçage numérique par rapport au traçage manuel. Lors d'une épidémie d'Ebola, des traceurs de contacts utilisant une application ont trouvé en moyenne deux fois plus de contacts rapprochés par cas que les traceurs utilisant des formulaires papier. De même, après une épidémie de coqueluche dans un hôpital des Etats‐Unis, les chercheurs ont découvert que l'identification par radiofréquence avait permis de repérer 45 contacts rapprochés, alors que l’exploration des dossiers médicaux électroniques n’en avait révélé que 13. Le niveau de confiance des données probantes a été réduit en raison d’une certaine imprécision à laquelle s’ajoute un risque sérieux de biais. En effet, les protocoles des études de traçage des contacts se sont révélés incapables d’identifier le nombre réel de contacts rapprochés. Une étude de cohorte a fourni des données probantes d’un niveau de confiance très faible indiquant qu'une application pouvait réduire le temps nécessaire à la réalisation d'un ensemble de contacts rapprochés. Le niveau de confiance des données probantes pour ce critère de jugement a été affectée par de l'imprécision et un sérieux risque de biais. Les équipes de traçage de contacts ont indiqué que les systèmes de saisie et de gestion des données numériques étaient d’utilisation plus rapide que les systèmes papier et peut‐être aussi moins sujets à des pertes de données. Deux études menées dans des pays à revenu faible ou moyen ont montré que les équipes de traçage de contacts ont trouvé les systèmes numériques plus simples à utiliser et qu’elles les ont généralement préférés aux systèmes papier ; ils permettaient un gain de temps, ils auraient amélioré la précision pour de grands ensembles de données et étaient plus faciles à transporter que les formulaires papier. Cependant, avec le numérique le personnel a dû faire face à des coûts accrus et à des problèmes d'accès à internet. Dans les études de cohorte les équipements semblaient protéger la vie privée des utilisateurs exposés ou diagnostiqués, vis à vis des sujets contacts. Il y avait toutefois des risques d'atteinte à la vie privée de la part de pirates en cas d’attaque des connexions, en particulier pour les appareils portables.L'efficacité des moyens numériques est loin d’être prouvée, car il existe très peu de données publiées sur des foyers infectieux réels. Les études de modélisation ont fourni des données probantes d’un niveau de confiance très faible indiquant une réduction des cas secondaires lorsque le traçage numérique des contacts est utilisé conjointement avec d'autres mesures de santé publique telles que l'auto‐isolation. Les études de cohortes ont fourni des données probantes d’un niveau de confiance très faible indiquant que le traçage numérique des contacts pourrait produire un comptage plus fiable des contacts et une réduction du temps de traçage. Les méthodes numériques pourraient poser des problèmes d'équité pour les populations à risque qui ont un accès insuffisant à internet et au numérique. Il est nécessaire de renforcer la recherche primaire sur l'efficacité des technologies de traçage des contacts, y compris la recherche sur l'utilisation des méthodes numériques associées aux systèmes manuels. Il est en effet peu probable que les méthodes numériques soient utilisées seules en situation réelle. Les études futures devraient examiner l'accès aux méthodes numériques et leur acceptabilité, ainsi que leur impact en matière d’équité. Elles devraient également faire de l'acceptabilité et de l'adoption de ces techniques une question de recherche primordiale, car les préoccupations relatives à la vie privée peuvent en empêcher l'adoption et l'efficacité.La reducción de la transmisión del síndrome respiratorio agudo grave por coronavirus 2 (SARS‐CoV‐2) es una prioridad mundial. El rastreo de contactos identifica a las personas que han estado en contacto recientemente con un individuo infectado, con el fin de aislarlas y reducir la transmisión posterior. La tecnología digital se podría implementar para aumentar y acelerar el rastreo manual de los contactos. Las herramientas digitales para el rastreo de contactos se pueden agrupar en tres áreas: 1) respuesta al brote; 2) rastreo de proximidad; y 3) seguimiento de los síntomas. Se realizó una revisión rápida de la efectividad de las soluciones digitales para el rastreo de contactos durante los brotes de enfermedades infecciosas.Evaluar los efectos beneficiosos, los efectos perjudiciales y la aceptabilidad de las soluciones digitales de rastreo de contactos personales para identificar los contactos de un caso positivo identificado de una enfermedad infecciosa. MÉTODOS DE BÚSQUEDA: Un documentalista buscó en la bibliografía desde el 1 de enero de 2000 hasta el 5 de mayo de 2020 en CENTRAL, MEDLINE y Embase. Además, se revisó el Registro de Estudios Cochrane COVID‐19 (Cochrane COVID‐19 Study Register). CRITERIOS DE SELECCIÓN: Se incluyeron ensayos controlados aleatorizados (ECA), ECA grupales, ensayos cuasialeatorizados, estudios de cohortes, estudios transversales y estudios de modelización, en poblaciones generales. Se incluyeron preferentemente los estudios de rastreo de contactos durante brotes de enfermedades infecciosas (incluidos covid‐19, virus del Ébola, tuberculosis, síndrome respiratorio agudo grave por virus y síndrome respiratorio de Oriente Medio) como evidencia directa, pero se consideraron como evidencia indirecta los estudios comparativos de rastreo de contactos fuera de un brote. Las soluciones digitales variaron, pero habitualmente incluyeron aplicaciones informáticas (o firmware) para que los usuarios las instalaran en sus dispositivos o para que se cargaran en los dispositivos proporcionados por los gobiernos o por terceros. Las medidas de control incluyeron el rastreo tradicional o manual de los contactos, encuestas o diarios autoinformados, entrevistas, otros métodos estándar para determinar los contactos cercanos y otras tecnologías en comparación con soluciones digitales (p.ej., historias clínicas electrónicas). OBTENCIÓN Y ANÁLISIS DE LOS DATOS: Dos autores de la revisión examinaron de forma independiente las entradas y todas las publicaciones de texto completo potencialmente relevantes. Un autor de la revisión extrajo los datos del 50% de los estudios incluidos, otro extrajo los datos del 50% restante; el segundo autor de la revisión verificó todos los datos extraídos. Un autor de la revisión evaluó la calidad de los estudios incluidos y un segundo autor de la revisión verificó las evaluaciones. Los desenlaces fueron la identificación de casos secundarios y contactos cercanos, el tiempo necesario para completar el rastreo de los contactos, los problemas de aceptabilidad y accesibilidad, las preocupaciones relacionadas con la privacidad y la seguridad, y cualquier otro problema ético identificado. Aunque los estudios de modelos permitirán predecir las estimaciones de los efectos de las diferentes soluciones de rastreo de contactos sobre los desenlaces de interés, los estudios de cohortes proporcionan estimaciones medidas empíricamente de los efectos de las diferentes soluciones de rastreo de contactos sobre los desenlaces de interés. Se utilizó GRADE‐CERQual para describir la certeza de la evidencia a partir de los datos cualitativos y GRADE para los estudios de modelos y de cohortes.Se identificaron seis estudios de cohortes que informaron datos cuantitativos y seis estudios de modelos que informaron sobre simulaciones de soluciones digitales para el rastreo de contactos. Dos estudios de cohortes también proporcionaron datos cualitativos. Tres estudios de cohortes analizaron el rastreo de contactos durante un brote, mientras que tres reprodujeron un brote en contextos donde no existían brotes (escuelas). De los seis estudios de modelos, cuatro evaluaron soluciones digitales para el rastreo de contactos en escenarios simulados de covid‐19, mientras que dos simularon contactos cercanos en escenarios de brotes no específicos. Estudios de modelos Dos estudios de modelos proporcionaron evidencia de certeza baja de una reducción de los casos secundarios con el uso del rastreo digital de los contactos (medido como el número promedio de casos secundarios por caso índice ‐ número reproductivo efectivo [RLa efectividad de las soluciones digitales no se ha demostrado de forma amplia, ya que hay muy pocos datos publicados en contextos de brotes en la vida real. Los estudios de modelos proporcionan evidencia de certeza baja de una reducción de los casos secundarios si se utiliza el rastreo digital de los contactos junto con otras medidas de salud pública, como el autoaislamiento. Los estudios de cohortes proporcionan evidencia de certeza muy baja de que rastreo digital de los contactos puede producir recuentos más fiables de los contactos y reducir el tiempo necesario para completar el rastreo de los mismos. Las soluciones digitales pueden tener repercusiones relacionadas con la equidad en las poblaciones en situación de riesgo que tienen un acceso deficiente a Internet y un acceso insuficiente a la tecnología digital. Se necesitan estudios primarios de investigación más sólidos sobre la efectividad de las tecnologías de rastreo de contactos, incluidos estudios de investigación sobre el uso de soluciones digitales junto con sistemas manuales, ya que es poco probable que las soluciones digitales se utilicen solas en un contexto de la vida real. En futuros estudios se debería considerar el acceso a las soluciones digitales y su aceptabilidad, así como el impacto resultante en la equidad. Los estudios también deberían hacer de la aceptabilidad y el uso una cuestión de investigación principal, ya que las preocupaciones por la privacidad pueden impedir el uso y la efectividad de estas tecnologías.

ObjectivesTo identify and calculate the prevalence of spin in studies of spin.DesignMeta-research analysis (research on research).Setting35 studies of spin in the scientific literature.Main outcome measuresSpin, categorised as: reporting practices that distort the presentation and interpretation of results, creating misleading conclusions; discordance between results and their interpretation, with presentation of favourable conclusions that are not supported by the data or results; attribution of causality when study design does not support it; and over-interpretation or inappropriate extrapolation of results.ResultsFive (14%) of 35 spin studies contained spin categorised as reporting practices that distort the presentation and interpretation of results (n=2) or categorised as over-interpretation or inappropriate extrapolation of results (n=3).ConclusionSpin occurs in research on spin. Although researchers on this topic should be sensitive to spinning their findings, our study does not undermine the need for rigorous interventions to reduce spin across various research fields.Conclusion with spinOur hypothesis that spin will be less prevalent in spin studies than in studies on other topics has been proven. Spin scholars are less likely to spin their conclusions than other researchers, and they should receive substantial resources to launch and test interventions to reduce spin and research waste in reporting.

Objective This scoping review aims to describe and map the range of evaluated policies that affect the supply and access of opioids for analgesic therapy. Introduction There has been increasing concern regarding the rise in opioid analgesic misuse and related harms, including overdose deaths. In response, policies have been developed and implemented to reduce the burden of opioid-related problems, including strategies that aim to affect the supply and/or access of opioid analgesics. However, little is known about the range and nature of these policies, including whether they have been evaluated for effectiveness and how. Inclusion criteria Studies to be included must evaluate the effectiveness of policies directly designed to affect the supply and/or access of opioids for analgesic therapy, and measure clinical and health services outcomes quantitatively. Studies that assessed interventions or factors impacting the use of these policies, measured only utilization of the policy itself, and/or measured outcomes regarding attitudes and behaviors towards these policies will be excluded. Literature on policies for the treatment and management of opioid abuse, overdose, or addiction will be excluded. Methods Multiple databases will be searched including MEDLINE, Embase, PsycINFO, Scopus, and Web of Science using keywords, indexed terms, and phrases for the following concepts: opioid, policy, evaluation, and clinical context. Each included study will be rated using a modified version of the JBI Levels of Evidence framework. Details on included policies and their assessment will be extracted, and results presented in diagrams and tables.

ObjectivesTo investigate whether and how user data are shared by top rated medicines related mobile applications (apps) and to characterise privacy risks to app users, both clinicians and consumers.DesignTraffic, content, and network analysis.SettingTop rated medicines related apps for the Android mobile platform available in the Medical store category of Google Play in the United Kingdom, United States, Canada, and Australia.Participants24 of 821 apps identified by an app store crawling program. Included apps pertained to medicines information, dispensing, administration, prescribing, or use, and were interactive.InterventionsLaboratory based traffic analysis of each app downloaded onto a smartphone, simulating real world use with four dummy scripts. The app’s baseline traffic related to 28 different types of user data was observed. To identify privacy leaks, one source of user data was modified and deviations in the resulting traffic observed.Main outcome measuresIdentities and characterisation of entities directly receiving user data from sampled apps. Secondary content analysis of company websites and privacy policies identified data recipients’ main activities; network analysis characterised their data sharing relations.Results19/24 (79%) of sampled apps shared user data. 55 unique entities, owned by 46 parent companies, received or processed app user data, including developers and parent companies (first parties) and service providers (third parties). 18 (33%) provided infrastructure related services such as cloud services. 37 (67%) provided services related to the collection and analysis of user data, including analytics or advertising, suggesting heightened privacy risks. Network analysis revealed that first and third parties received a median of 3 (interquartile range 1-6, range 1-24) unique transmissions of user data. Third parties advertised the ability to share user data with 216 “fourth parties”; within this network (n=237), entities had access to a median of 3 (interquartile range 1-11, range 1-140) unique transmissions of user data. Several companies occupied central positions within the network with the ability to aggregate and re-identify user data.ConclusionsSharing of user data is routine, yet far from transparent. Clinicians should be conscious of privacy risks in their own use of apps and, when recommending apps, explain the potential for loss of privacy as part of informed consent. Privacy regulation should emphasise the accountabilities of those who control and process user data. Developers should disclose all data sharing practices and allow users to choose precisely what data are shared and with whom.

In the scientific literature, spin refers to reporting practices that distort the interpretation of results and mislead readers so that results are viewed in a more favourable light. The presence of spin in biomedical research can negatively impact the development of further studies, clinical practice, and health policies. This systematic review aims to explore the nature and prevalence of spin in the biomedical literature. We searched MEDLINE, PreMEDLINE, Embase, Scopus, and hand searched reference lists for all reports that included the measurement of spin in the biomedical literature for at least 1 outcome. Two independent coders extracted data on the characteristics of reports and their included studies and all spin-related outcomes. Results were grouped inductively into themes by spin-related outcome and are presented as a narrative synthesis. We used meta-analyses to analyse the association of spin with industry sponsorship of research. We included 35 reports, which investigated spin in clinical trials, observational studies, diagnostic accuracy studies, systematic reviews, and meta-analyses. The nature of spin varied according to study design. The highest (but also greatest) variability in the prevalence of spin was present in trials. Some of the common practices used to spin results included detracting from statistically nonsignificant results and inappropriately using causal language. Source of funding was hypothesised by a few authors to be a factor associated with spin; however, results were inconclusive, possibly due to the heterogeneity of the included papers. Further research is needed to assess the impact of spin on readers’ decision-making. Editors and peer reviewers should be familiar with the prevalence and manifestations of spin in their area of research in order to ensure accurate interpretation and dissemination of research., Author summary In the scientific literature, spin refers to reporting practices that distort the interpretation of results and mislead readers so that results are viewed in a more favourable light. The presence of spin in biomedical research can negatively impact the development of further studies, clinical practice, and health policies. We conducted a systematic review to explore the nature and prevalence of spin in the biomedical literature. We included 35 reports, which investigated spin in clinical trials, observational studies, diagnostic accuracy studies, systematic reviews, and meta-analyses. The nature of spin varied according to study design. The highest (but also greatest) variability in the prevalence of spin was present in trials. Some of the common practices used to spin results included detracting from statistically nonsignificant results and inappropriately using causal language. Source of funding was hypothesised by a few authors to be a factor associated with spin; however, results were inconclusive, possibly due to the heterogeneity of the included papers. Further research is needed to assess the impact of spin on readers’ decision-making. Editors and peer reviewers should be familiar with the prevalence and manifestations of spin in their area of research in order to ensure accurate interpretation and dissemination of research.