The Opioid Rotation Ratio of Hydrocodone to Strong Opioids in Cancer Patients
Notice bibliographique
Résumé
PURPOSE: Cancer pain management guidelines recommend initial treatment with intermediate-strength analgesics such as hydrocodone and subsequent escalation to stronger opioids such as morphine. There are no published studies on the process of opioid rotation (OR) from hydrocodone to strong opioids in cancer patients. Our aim was to determine the opioid rotation ratio (ORR) of hydrocodone to morphine equivalent daily dose (MEDD) in cancer outpatients. PATIENTS AND METHODS: We reviewed the records of consecutive patient visits at our supportive care center in 2011-2012 for OR from hydrocodone to stronger opioids. Data regarding demographics, Edmonton Symptom Assessment Scale (ESAS), and MEDD were collected from patients who returned for follow-up within 6 weeks. Linear regression analysis was used to estimate the ORR between hydrocodone and MEDD. Successful OR was defined as 2-point or 30% reduction in the pain score and continuation of the new opioid at follow-up. RESULTS: Overall, 170 patients underwent OR from hydrocodone to stronger opioid. The median age was 59 years, and 81% had advanced cancer. The median time between OR and follow-up was 21 days. We found 53% had a successful OR with significant improvement in the ESAS pain and symptom distress scores. In 100 patients with complete OR and no worsening of pain at follow-up, the median ORR from hydrocodone to MEDD was 1.5 (quintiles 1-3: 0.9-2). The ORR was associated with hydrocodone dose (r = -.52; p < .0001) and was lower in patients receiving ≥40 mg of hydrocodone per day (p < .0001). The median ORR of hydrocodone to morphine was 1.5 (n = 44) and hydrocodone to oxycodone was 0.9 (n = 24). CONCLUSION: The median ORR from hydrocodone to MEDD was 1.5 and varied according to hydrocodone dose.
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 | 0,000 |
| 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 ».