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 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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 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 ».