Trends in prescription of strong opioids for 41–80 year old <scp>N</scp>orwegians, 2005–2010
Notice bibliographique
Résumé
BACKGROUND: The use of strong opioids is affected by various influences such as increasing emphasis on adequate pain control and increasing measures to counteract opioid abuse. This study will examine trends of analgesic strong opioid use in an older population. METHODS: The study population includes people aged 41-80 who filled at least one prescription for analgesic strong opioids in 2005-2010. Information was obtained from the Norwegian Prescription Database (NorPD), that is, all prescriptions filled in Norwegian pharmacies. RESULTS: Annual rates per 1000 population of opioid users increased from 8.6/1000 in 2005 to 13.3/1000 in 2010 with the greatest increases for the oldest. Oxycodone showed the highest use in Norway and the greatest increase. Buprenorphine showed little use in 2005 but ranked second highest in 2010 at 3.3/1000. Morphine use remained stable over the years. Mean annual amount in defined daily doses (DDDs)/person decreased in the youngest age groups over 2005-2010 and showed a pattern of decreasing amounts with increasing age. About 20% of the study population received opioids from more than two prescribers and annually 20% received more than one type of opioid. High end users were younger and used more prescribers. CONCLUSIONS: Rate of analgesic strong opioid use, particularly oxycodone and buprenorphine, in this older age group increased annually. The pattern of increasing opioid use is consistent with an increased focus on pain control but may also be influenced by altered reimbursement policies and the new convenient pharmaceutical formulations.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».