Predicting the risk for aberrant opioid use behavior in patients receiving outpatient supportive care consultation at a comprehensive cancer center
Notice bibliographique
Résumé
BACKGROUND: Opioid misuse is a growing crisis. Patients with cancer who are at risk of aberrant drug behaviors are frequently underdiagnosed. The primary objective of this study was to determine the frequency and factors predicting a risk for aberrant opioid and drug use behaviors (ADB) among patients who received an outpatient supportive care consultation at a comprehensive cancer center. In addition, the screening performance of the Cut Down-Annoyed-Guilty-Eye Opener (CAGE) questionnaire adapted to include drug use (CAGE-AID) was compared with that of the 14-item Screener and Opioid Assessment for Patients With Pain (SOAPP-14) tool as instruments for identifying patients at risk for ADB. METHODS: In total, 751 consecutive patients with cancer who were referred to a supportive care clinic were reviewed. Patients were eligible if they had diagnosis of cancer and had received opioids for pain for at least 1 week. All patients were assessed using the Edmonton Symptom Assessment Scale (ESAS), the SOAPP-14, and the CAGE-AID. SOAPP scores ≥7 (SOAPP-positive) were used to identify patients who were at risk of ADB. RESULTS: Among the 729 of 751 (97%) evaluable consults, 143 (19.6%) were SOAPP-positive, and 73 (10.5%) were CAGE-AID-positive. Multivariate analysis revealed that the odds ratio of a positive SOAPP score was 2.3 for patients who had positive CAGE-AID scores (P < .0001), 2.08 for men (P = .0013), 1.10 per point for ESAS pain (P = .014), 1.13 per point for ESAS anxiety (P = .0015), and 1.09 per point for ESAS financial distress (P = .012). A CAGE-AID cutoff score of 1 in 4 had 43.3% sensitivity and 90.93% specificity for screening patients with a high risk of ADB. CONCLUSIONS: The current results indicate a high frequency of an elevated risk of ADB among patients with cancer. Men and patients who have anxiety, financial distress, and a prior history of alcoholism/illicit drug use are at increased risk of ADB.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».