MétaCan
Menu
Retour à la cohorte
Enregistrement W2296095435 · doi:10.1002/pds.3989

Determinants of trends in prescription opioid use in British Columbia, Canada, 2005–2013

2016· article· en· W2296095435 sur OpenAlexaffabout
Kate Smolina, Emilie J. Gladstone, Steven G. Morgan

Notice bibliographique

RevuePharmacoepidemiology and Drug Safety · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensInstitute of Population and Public HealthUniversity of British Columbia Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineOxycodoneOpioidHydromorphoneTramadolMedical prescriptionFentanylCodeinePopulationMorphinePharmacoepidemiologyConsumption (sociology)DemographyEnvironmental healthAnesthesiaInternal medicinePharmacologyAnalgesic

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To explore the determinants of total opioid consumption in a Canadian province, and to examine patterns of opioid dispensations by sex, age, and income quintile. METHODS: We used population-based administrative data on prescription drug dispensations in British Columbia (BC; population ~4 million). We apply an index-based approach to examine how changes in population exposure, type of opioids used, and intensity of use contributed to changes in total morphine equivalents dispensed per 1000 population. RESULTS: Between 2005 and 2013 in BC, opioid consumption increased by 31%, driven by longer duration of opioid therapy and by an increase in the use of stronger opioids. Consumption increased for oxycodone, hydromorphone, fentanyl, and tramadol; and declined for morphine, codeine, and other opioids. While we did not find large sex and age differences, the total level of opioid consumption was three times as high among individuals in the lowest income quintile compared to those in the highest income quintile. CONCLUSIONS: Our findings on changes in the type of opioids used and changes in intensity of use suggest that modifications to clinical management of patients on opioid therapy may be warranted. Similar drug utilization statistics, derived from drug information systems, can be reproduced in other jurisdictions to enable a better understanding of the opioid crisis. Copyright © 2016 John Wiley & Sons, Ltd.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,530

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,299
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePharmacoepidemiology and Drug SafetyMême sujetOpioid Use Disorder TreatmentTravaux en français237 207