Sex Differences in Dose Escalation and Overdose Death during Chronic Opioid Therapy: A Population-Based Cohort Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 découle