Sex Differences in Dose Escalation and Overdose Death during Chronic Opioid Therapy: A Population-Based Cohort Study
Notice bibliographique
Résumé
BACKGROUND: The use of opioids for noncancer pain is widespread, and more than 16,000 die of opioid-related causes in the United States annually. The patients at greatest risk of death are those receiving high doses of opioids. Whether sex influences the risk of dose escalation or opioid-related mortality is unknown. METHODS AND FINDINGS: We conducted a cohort study using healthcare records of 32,499 individuals aged 15 to 64 who commenced chronic opioid therapy for noncancer pain between April 1, 1997 and December 31, 2010 in Ontario, Canada. Patients were followed from their first opioid prescription until discontinuation of therapy, death from any cause or the end of the study period. Among patients receiving chronic opioid therapy, 589 (1.8%) escalated to high dose therapy and n = 59 (0.2%) died of opioid-related causes while on treatment. After multivariable adjustment, men were more likely than women to escalate to high-dose opioid therapy (adjusted hazard ratio 1.44; 95% confidence interval 1.21 to 1.70) and twice as likely to die of opioid-related causes (adjusted hazard ratio 2.04; 95% confidence interval 1.18 to 3.53). These associations were maintained in a secondary analysis of 285,520 individuals receiving any opioid regardless of the duration of therapy. CONCLUSIONS: Men are at higher risk than women for escalation to high-dose opioid therapy and death from opioid-related causes. Both outcomes were more common than anticipated.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».