Clustering of opioid prescribing and opioid-related mortality among family physicians in Ontario.
Notice bibliographique
Résumé
OBJECTIVE: To examine whether variation in prescribing at the level of the individual physician is associated with opioid-related mortality. DESIGN: A population-based cross-sectional analysis linking prescription data with records from the Office of the Chief Coroner. SETTING: The province of Ontario. Participants Family physicians in Ontario and Ontarians aged 15 to 64 who were eligible for prescription drug coverage under the Ontario Public Drug Program. MAIN OUTCOME MEASURES: Variation in family physicians' opioid prescribing and opioid-related mortality among their patients. RESULTS: The 20% of family physicians (n = 1978) who prescribed opioids most frequently issued opioid prescriptions 55 times more often than the 20% who prescribed opioids least frequently. Family physicians in the uppermost quintile also wrote the final opioid prescription before death for 62.7% of public drug plan beneficiaries whose deaths were related to opioids. Physician characteristics associated with greater opioid prescribing were male sex (P = .003), older age (P < .001), and a greater number of years in practice (P < .001). CONCLUSION: Opioid prescribing varies remarkably among family physicians, and opioid-related deaths are concentrated among patients treated by physicians who prescribe opioids frequently. Strategies to reduce opioid-related harm should include efforts focusing on family physicians who prescribe opioids frequently.
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) | 0,000 | 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 ».