Temporal Trends in Analgesic Use in Long‐Term Care Facilities: A Systematic Review of International Prescribing
Notice bibliographique
Résumé
OBJECTIVES: To explore global changes in the prescription of analgesic drugs over time in the international long-term care (LTC) population. DESIGN: Systematic review. SETTING: We included original research articles in English, published and unpublished, that included number of participants, country and year(s) of data collection, and prescription of analgesics (analgesics not otherwise specified, opioids, acetaminophen; scheduled only, or scheduled plus as needed (PRN)). PARTICIPANTS: LTC residents. MEASUREMENTS: We searched PubMed, EMBASE, CINAHL, International Pharmaceutical Abstracts, PsycINFO, Cochrane, Web of Science, Google Scholar, using keywords for LTC facilities and analgesic medication; hand-searched references of eligible papers; correspondence. Studies were quality rated using an adapted Newcastle-Ottawa scale. Pearson correlation coefficients were generated between percentage of residents prescribed an analgesic and year of data collection. If available, we investigated changes in acetaminophen and opioid prescriptions. RESULTS: Forty studies met inclusion criteria. A moderate correlation (0.59) suggested that scheduled prescription rates for analgesics have increased over time. Similar findings were reflected in scheduled prescriptions for acetaminophen and opioids. No increase was seen when analyzing scheduled plus PRN analgesics. Use of opioids (scheduled plus PRN) appears to have increased over time. CONCLUSION: Worldwide, use of opioids and acetaminophen has increased in LTC residents. Research is needed to explore whether this reflects appropriate pain management for LTC residents and if PRN medication is used effectively.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».