Use of other opioids during methadone therapy: a population‐based study
Notice bibliographique
Résumé
AIMS: To determine the extent to which other opioids are prescribed to patients receiving methadone in Ontario, Canada. DESIGN: Retrospective cohort study. SETTING: Ontario, Canada from 1 April 2003 to 31 March 2010. PARTICIPANTS: We studied patients aged 15-64 years with publically funded drug coverage who received at least 30 days of continuous methadone maintenance therapy (MMT). MEASUREMENTS: The proportion of patients who received more than 7 days of a non-methadone opioid during MMT. A secondary analysis examined the extent to which non-methadone opioids were prescribed by physicians or dispensed by pharmacies not involved in a patient's MMT. FINDINGS: Among 18,759 patients treated with methadone, 3456 (18.4%) received at least one prescription for non-methadone opioids of more than 7 days' duration. In this group, the median number of non-methadone opioid prescriptions dispensed per year was 11.9 (interquartile range 4.1-25.0). The most frequently prescribed opioids were codeine and oxycodone. Of the 73,520 non-methadone opioid prescriptions of more than 7 days' duration, nearly half (45.8%) originated from non-MMT prescribers and pharmacies. CONCLUSIONS: Many patients receiving methadone maintenance therapy in Ontario receive overlapping prescriptions for other opioids, often for extended periods. The associated prescribing patterns suggest that many such prescriptions may be duplicitous. The prescribing and dispensing of non-methadone opioids to patients receiving methadone maintenance therapy is likely to be observed in jurisdictions outside Ontario, Canada.
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 | 0,000 | 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) | 0,001 | 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 ».