Gender differences in use of prescription narcotic medications among living kidney donors
Notice bibliographique
Résumé
Prescription narcotic use among living kidney donors is not well described. Using a unique database that integrates national registry identifiers for living kidney donors (1987-2007) in the United States with billing claims from a private health insurer (2000-2007), we identified pharmacy fills for prescription narcotic medications in periods 1-4 and >4 yr post-donation and estimated relative likelihoods of post-donation narcotic use by Cox regression. We also compared narcotic fill rates and medication possession ratios (MPRs, defined as (days of medication supplied)/(days observed)), between donors and age- and sex-matched non-donors. Overall, rates of narcotic medication fills were 32.3 and 32.4 per 100 person-years in periods 1-4 and >4 yr post-donation. After age and race adjustment, women were approximately twice as likely as men to fill a narcotic prescription in years 1-4 (adjusted hazard ratio, aHR, 2.28; 95% confidence interval, CI, 1.86-2.79) and >4 yr (aHR 1.70; 95% CI 1.50-1.93). MPRs in donors were low (<2.5% days exposed), and lower than among age- and sex-matched non-donors. Prescription narcotic medication use is more common among women than men in the intermediate term after live kidney donation. Overall, total narcotic exposure is low, and lower than among non-donors from the general population.
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 | 0,001 |
| 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 ».