Frequency, Outcomes, and Associated Factors for Opioid-Induced Neurotoxicity in Patients with Advanced Cancer Receiving Opioids in Inpatient Palliative Care
Notice bibliographique
Résumé
Context: Opioid-induced neurotoxicity (OIN) is an underdiagnosed yet distressing symptom in palliative care patients receiving opioids. However, there have been only a limited number of studies on OIN. Objectives: Our aim was to determine the frequency of and risk factors for OIN in patients receiving opioids during inpatient palliative care. Methods: We randomly selected 390 of 3014 eligible patients who had undergone palliative care consultations from January 2014 to December 2014. Delirium, drowsiness, hallucinations, myoclonus, seizures, and hyperalgesia were defined as OIN and were recorded. The other 10 common symptoms in cancer patients were assessed using the Edmonton Symptom Assessment Scale (ESAS). Patient demographics, morphine equivalent daily dose (MEDD), comorbidities, OIN management, and overall survival (OS) duration were also assessed. The associations between the incidence of OIN and MEDD, the other 10 symptoms, and OS were analyzed. Results: Fifty-seven (15%) patients had OIN. The most common symptom was delirium (n = 27). On multivariate analysis, a high MEDD (p = 0.020), high ESAS pain score (p = 0.043), drowsiness (p = 0.007), and a poor appetite (p = 0.014) were significantly associated with OIN. OIN was not significantly associated with a shorter OS duration (p = 0.80). Conclusions: OIN was seen in 15% of patients receiving opioids as part of inpatient palliative care. Although OIN was not associated with OS, routine monitoring is especially needed in cancer patients.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».