MétaCan
Menu
Retour à la cohorte
Enregistrement W2773654851 · doi:10.1002/cncr.31164

Opioid use among cancer survivors: A call to action for oncology and primary care providers

2017· letter· en· W2773654851 sur OpenAlexaboutno aff
Larissa Nekhlyudov, Olaf P. Geerse, Catherine M. Alfano

Notice bibliographique

RevueCancer · 2017
Typeletter
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineCancerMedical prescriptionRetrospective cohort studyPopulationLung cancerOpioidIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

We thank Sutradhar et al for their valuable work on a critically important topic and herein provide several comments regarding their recent publication. 1 This retrospective study of a predominantly disadvantaged Canadian population of 17,202 individuals found a higher opioid prescribing rate among cancer survivors, defined as individuals who are at least 5 years after diagnosis, compared with 8601 matched controls without a prior cancer diagnosis.After multivariable adjustment, the opioid prescribing rate was 1.22 times higher among survivors compared with controls.The difference in opioid prescribing rates was especially pronounced among survivors of noncolorectal gastrointestinal, gynecologic, and lung cancers.Surprisingly, a higher prescribing rate persisted even among survivors >10 years beyond diagnosis.Cancer survivors face a wide variety of physical and psychological challenges that may prevail for years, even decades, after treatment.[2][3][4][5][6] When examining the prevalence of health conditions among survivors using retrospective data, it often is unclear whether these conditions existed before the diagnosis of cancer, emerged during treatment, or are due to the late effects of cancer treatment.Unfortunately, the study by Sutradhar et al does not provide insights into the initiation of the opioids (including which provider prescribed the drugs and for what indication [ie, cancer or otherwise]) or assess differences in opioid prescriptions by cancer stage or treatment type.Furthermore, it is not clear from the published study why survivors continued to receive opioid medications (ie, whether they were receiving the drugs as part of a thoughtful, ongoing pain management plan or whether these prescriptions were inadvertently continued as "remnants" from cancer treatment).Addressing these questions is of vital importance when trying to understand how targeted interventions to potentially reduce opioid prescriptions for cancer survivors may be developed.Cancer survivors are at risk of persistent pain, which may be due to a variety of treatment exposures, including chemotherapy-related neuropathy, radiation-related fibrosis, and surgery (ie, amputation or adhesions).7,8 In addition to Cancer

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,037
score de la tête « metaresearch » (Gemma)0,126
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,197

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0370,126
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0030,003
Études des sciences et des technologies0,0070,007
Communication savante0,0100,025
Science ouverte0,0080,009
Intégrité de la recherche0,0460,038
Charge utile insuffisante (le modèle a refusé de juger)0,0170,004

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 Opus0,052
Tête enseignante GPT0,346
Écart entre enseignants0,294 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancerMême sujetCancer survivorship and careTravaux en français237 207