Contribution of psychiatric diagnoses to extent of opioid prescription in the first year post‐head and neck cancer diagnosis: A longitudinal study
Notice bibliographique
Résumé
PURPOSE: The purpose of this study was to determine, within the first-year post-head and neck cancer (HNC) diagnosis, the contribution of past and upon HNC psychiatric diagnoses (ie, substance use disorder, major depressive disorder, and anxiety disorder) to the extent (ie, cumulated dose) of opioid prescription. METHODS: Prospective longitudinal study of 223 consecutive adults (on 313 approached; 72% participation) newly diagnosed (<2 weeks) with a first occurrence of primary HNC, including Structured Clinical Interviews for DSM-IV disorders, validated psychometric measures, and medical chart reviews. Opioid doses were translated into standardized morphine milligram equivalents (MME) using CDC guidelines. A model of variables was tested using multiple linear regression. RESULTS: Fifty-five percent (123/223) of patients received opioids at some point during the first 12 months post-HNC diagnosis, 37.7% (84/223) upon HNC diagnosis (pre-treatment), 40.8% (91/223) during treatments, and 31.4% (70/223) post-treatment. The multiple linear regression indicated that an AD (P = 0.04) upon HNC diagnosis in early stage contributes to cumulated MME dose in the first year post-HNC diagnosis. CONCLUSION: This study underlines how anxiety has important repercussions on the management of pain and illustrates the importance of screening for AD upon HNC diagnosis to allow for early prophylactic treatment and support.
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 ».