MétaCan
Menu
Retour à la cohorte
Enregistrement W2883088275 · doi:10.1186/s13643-018-0760-3

Relative frequency and risk factors for long-term opioid therapy following surgery and trauma among adults: a systematic review protocol

2018· review· en· W2883088275 sur OpenAlexafffund
M. Gabrielle Pagé, Irina Kudrina, Hervé Tchala Vignon Zomahoun, Daniela Ziegler, Pierre Beaulieu, Céline Charbonneau, Jennifer Cogan, Raoul Daoust, Marc O. Martel, Andrée Néron, Philippe Richebé, Hance Clarke

Notice bibliographique

RevueSystematic Reviews · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensToronto General HospitalUniversity Health NetworkHôpital Maisonneuve-RosemontHôpital du Sacré-Cœur de MontréalMontreal Heart InstituteHôtel-Dieu de MontréalUniversité de MontréalUniversité LavalMontreal Police ServiceMcGill UniversityCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesCanadian Institutes of Health ResearchUniversité de Montréal
Mots-clésMedicineMEDLINESystematic reviewObservational studyMeta-analysisPsycINFOPerioperativeOpioidCochrane LibraryProtocol (science)Psychological interventionData extractionIntensive care medicinePsychiatrySurgeryAlternative medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: When patients have been on opioid therapy for more than 90 days, more than half of them continue using opioids years later. Knowing that long-term opioid consumption could lead to harmful side effects including misuse, abuse, and addiction, it is important to understand the risks of transitioning to prolonged opioid therapy to reduce its occurrence. Perioperative and trauma contexts are ideal models commonly used to study such transition. Long-term use of opioids might be associated with transformation of acute pain to chronic, which might be an example of a risk factor. The objectives of this knowledge synthesis are to examine the relative frequency and the risk factors for transitioning to long-term opioid therapy among patients who have undergone a surgical procedure or experienced a trauma. METHODS: The proposed study methodology is based on Preferred ReportIng Systematic Reviews and Meta-Analysis Protocols (PRISMA-P) statements on the conduct of systematic review and meta-analysis, the MOOSE Guidelines for Meta-Analyses and Systematic Reviews of Observational Studies, and the Cochrane Handbook for Systematic Review of Interventions. A systematic literature search will include multiple databases: Cochrane Central, EMBASE, MEDLINE, PsycINFO, CINHAL, PubMed, and the grey literature. We will identify studies related to opioid use beyond acute/subacute pain control after surgery or trauma. Two of the reviewers will screen all retrieved articles for eligibility and data extraction then critically appraise all identified studies. We will compile a narrative synthesis of all results and conduct a meta-analysis when feasible. As available data permits, we will perform a subgroup analysis of vulnerable populations. DISCUSSION: This systematic review will contribute to the prevention and harm reduction strategies associated with prescription opioids by identifying risk factors leading to the unwarranted long-term opioid therapy. The identification of common risk factors for long-term opioid therapy will help to orient further research on pain management as well as offer key therapeutic targets for the development of strategies to prevent prolonged opioid use. SYSTEMATIC REVIEW REGISTRATION: This protocol was registered in PROSPERO on March 2, 2018; registration number CRD42012018089907 .

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)0,070
score de la tête « metaresearch » (Gemma)0,089
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,371

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0700,089
Méta-épidémiologie (sens strict)0,0050,005
Méta-épidémiologie (sens large)0,0170,022
Bibliométrie0,0140,011
Études des sciences et des technologies0,0030,004
Communication savante0,0060,007
Science ouverte0,0050,005
Intégrité de la recherche0,0070,005
Charge utile insuffisante (le modèle a refusé de juger)0,0570,006

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 Opus0,070
Tête enseignante GPT0,380
Écart entre enseignants0,309 · 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'étudeRevue systématique
Domainenon disponible
GenreProtocole

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

En bref

Citations18
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSystematic ReviewsMême sujetOpioid Use Disorder TreatmentTravaux en français237 207