Access and intensity of use of prescription analgesics among older Manitobans.
Notice bibliographique
Résumé
BACKGROUND: Under-treatment of pain is frequently reported, especially among seniors, with chronic non-cancer pain most likely to be under-treated. Legislation regarding the prescribing/dispensing of opioid analgesics (including multiple prescription programs [MPP]) may impede access to needed analgesics. OBJECTIVE: To describe access and intensity of use of analgesics among older Manitobans by health region. METHODS: A cross-sectional study of non-Aboriginal non-institutionalized Manitoba residents over 65 years of age during April 1, 2002 to March 31, 2003 was conducted using the Pharmaceutical Claims data and the Cancer Registry from the province of Manitoba. Access to analgesics (users/1000/Yr) and intensity of use (using defined daily dose [DDD] methodology) were calculated for non-opioid analgesics, opioids, and multiple-prescription-program opioids [MPP-opioids]. Usage was categorized by age, gender, and stratified by cancer diagnosis. Age-sex standardized rates of prevalence and intensity are reported for the eleven health regions of Manitoba. RESULTS: Thirty-four percent of older Manitobans accessed analgesics during the study period. Female gender, increasing age, and a cancer diagnosis were associated with greater access and intensity of use of all classes of analgesics. Age-sex standardized access and intensity measures revealed the highest overall analgesic use in the most rural / remote regions of the province. However, these same regions had the lowest use of opioids, and MPP-opioids among residents lacking a cancer diagnosis. CONCLUSION: This population-based study of analgesic use suggests that there may be variations in use of opioids and other analgesics depending on an urban or rural residence. The impact of programs such as the MPP program requires further study to describe its impact on analgesic use.
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 ».