Iatrogenic Opioid Withdrawal in Critically Ill Patients: A Review of Assessment Tools and Management
Notice bibliographique
Résumé
OBJECTIVE: To (1) provide an overview of the epidemiology, clinical presentation, and risk factors of iatrogenic opioid withdrawal in critically ill patients and (2) conduct a literature review of assessment and management of iatrogenic opioid withdrawal in critically ill patients. DATA SOURCES: We searched MEDLINE (1946-June 2017), EMBASE (1974-June 2017), and CINAHL (1982-June 2017) with the terms opioid withdrawal, opioid, opiate, critical care, critically ill, assessment tool, scale, taper, weaning, and management. Reference list of identified literature was searched for additional references as well as www.clinicaltrials.gov . STUDY SELECTION AND DATA EXTRACTION: We restricted articles to those in English and dealing with humans. DATA SYNTHESIS: We identified 2 validated pediatric critically ill opioid withdrawal assessment tools: (1) Withdrawal Assessment Tool-Version 1 (WAT-1) and (2) Sophia Observation Withdrawal Symptoms Scale (SOS). Neither tool differentiated between opioid and benzodiazepine withdrawal. WAT-1 was evaluated in critically ill adults but not found to be valid. No other adult tool was identified. For management, we identified 5 randomized controlled trials, 2 prospective studies, and 2 systematic reviews. Most studies were small and only 2 studies utilized a validated assessment tool. Enteral methadone, α-2 agonists, and protocolized weaning were studied. CONCLUSION: We identified 2 validated assessment tools for pediatric intensive care unit patients; no valid tool for adults. Management strategies tested in small trials included methadone, α-2 agonists, and protocolized sedation/weaning. We challenge researchers to create validated tools assessing specifically for opioid withdrawal in critically ill children and adults to direct management.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 ».