Preventing and managing aberrant drug-related behavior in primary care: Systematic review of outcomes evidence
Notice bibliographique
Résumé
Several strategies for preventing, identifying, and responding to aberrant opioid-related behaviors are recommended in pain management guidelines. This systematic review evaluated data supporting basic strategies for addressing aberrant opioid-related behaviors. Risk reduction strategies were identified via a review of available guidelines. Systematic literature searches of PubMed (May 1, 2007-January 18, 2013) identified articles with evidence relevant to nine basic strategies. Reference lists from relevant articles were reviewed for additional references of interest. Levels of evidence for articles identified were graded on a four-point scale (strongest evidence = level 1; weakest evidence = level 4) using Oxford Centre for Evidence-Based Medicine Levels of Evidence criteria. Weak to moderate evidence supports the value of thorough patient assessment, risk-screening tools, controlled-substance agreements, careful dose titration, opioid dose ceilings, compliance monitoring, and adherence to practice guidelines. Moderate to strong evidence suggests that prescribing tamper-resistant opioids may help prevent misuse but may also have the unintended consequence of prompting a migration of users to other marketed opioids, heroin, or other substances. Similarly, preliminary evidence suggests that although recent regulatory and legal efforts may reduce misuse, they also impose barriers to the legitimate treatment of pain. Despite an absence of consistent, strong supporting evidence, clinicians are advised to use each of the available risk-mitigation strategies in combination in an attempt to minimize the risk of abuse in opioid treatment patients. Physicians must critically evaluate their opioid prescribing and not only increase their efforts to prevent substance abuse but also not compromise pain management in patients who benefit from it.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 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 ».