International Comparison in Opiate Prescribing for New Users in Primary Care using Electronic Medical Record Data
Notice bibliographique
Résumé
IntroductionThe opioid epidemic in North America has, in part, been attributed to an increase in opiate use for non-cancer pain and the prescription of more potent molecules. In contrast, the United Kingdom appears unaffected by this crisis, possibly because of differences in primary care prescribing, or health system policies. ObjectiveTo determine if there are differences in opiate prescribing for new users in primary care in the United Kingdom, United States, and Canada. ApproachElectronic health record data from Quebec, Canada (MOXXI), the United States (Partners Health Care, Boston MA), and the United Kingdom (CPRD random sample of 600,000) were used to identify new users of opiates (no prior prescription in 2 years), at least 18 years old between 2006-2016. Cancer patients were excluded after harmonizing equivalent READ and ICD9/10 codes. Generic drug names in each jurisdiction were mapped to the WHO ATC classification, and characterized using morphine milligram equivalents (MME). ResultsOverall 655,877 new users were identified, of whom 78% of 58,286 (U.S.), 88% of 6,251 (Canada), and 96% of 600,000 (UK) were non-cancer patients. Mean age of new users was 49 (SD 16) in the US, 57 (SD 16) in Canada, and 52 (SD 19) in the UK. 57.6% (UK) to 67.3% (US) of new users were women. In the UK, 86.5% of patients were started on codeine (MME:0.15), compared to 43.9% in Canada and 8.5% in the U.S. In the U.S 65.0\% were started on oxycodone (MME:1.5), and 10.9% on hydrocodone (MME:1). In Canada, tramadol (18.2%; MME: 0.1) followed by oxycodone (13.2%) were the next most commonly prescribed drugs. Conclusion/ImplicationsSubstantial differences in opioid prescribing practices for non-cancer pain were observed between the UK and Canadian and United States sites. The predilection to start patients on more potent opiates in North America may be a contributing cause to the opiate epidemic.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».