Opioid Prescribing for Opioid-Naive Patients in Emergency Departments and Other Settings: Characteristics of Prescriptions and Association With Long-Term Use
Notice bibliographique
Résumé
STUDY OBJECTIVE: We explore the emergency department (ED) contribution to prescription opioid use for opioid-naive patients by comparing the guideline concordance of ED prescriptions with those attributed to other settings and the risk of patients' continuing long-term opioid use. METHODS: We used analysis of administrative claims data (OptumLabs Data Warehouse 2009 to 2015) of opioid-naive privately insured and Medicare Advantage (aged and disabled) beneficiaries to compare characteristics of opioid prescriptions attributed to the ED with those attributed to other settings. Concordance with Centers for Disease Control and Prevention (CDC) guidelines and rate of progression to long-term opioid use are reported. RESULTS: We identified 5.2 million opioid prescription fills that met inclusion criteria. Opioid prescriptions from the ED were more likely to adhere to CDC guidelines for dose, days' supply, and formulation than those attributed to non-ED settings. Disabled Medicare beneficiaries were the most likely to progress to long-term use, with 13.4% of their fills resulting in long-term use compared with 6.2% of aged Medicare and 1.8% of commercial beneficiaries' fills. Compared with patients in non-ED settings, commercial beneficiaries receiving opioid prescriptions in the ED were 46% less likely, aged Medicare patients 56% less likely, and disabled Medicare patients 58% less likely to progress to long-term opioid use. CONCLUSION: Compared with non-ED settings, opioid prescriptions provided to opioid-naive patients in the ED were more likely to align with CDC recommendations. They were shorter, written for lower daily doses, and less likely to be for long-acting formulations. Prescriptions from the ED are associated with a lower risk of progression to long-term 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».