Benzodiazepine and opioid co-usage in the US population, 1999–2014: an exploratory analysis
Notice bibliographique
Résumé
STUDY OBJECTIVES: The study objectives were to explore trends in prevalence of couse of benzodiazepine receptor modulators and opioids, and nonselective and selective (i.e. Z-drugs) benzodiazepine receptor modulators, in the United States, as well as risk factors for these drug utilization patterns. METHODS: This was a multiyear, cross-sectional, population-level study, using US health survey data. Data from eight National Health and Nutrition Examination Survey (NHANES) cycles were analyzed, from 1999-2000 until 2013-2014, with each survey cycle containing information on ~10 000 individuals. The main measure was prevalent prescription drug use within 30 days preceding survey administration. Drug usage was objectively confirmed for a large majority of participants though direct inspection of prescription bottles. RESULTS: The estimated prevalence of concurrent benzodiazepine receptor modulator and opioid use in the United States was 0.39% in 1999-2000 and 1.36% in 2013-2014, reflecting absolute and relative changes of +0.97% and +249%. The estimated prevalence of nonselective and selective benzodiazepine receptor modulator couse steadily rose in the United States from 0.05% in 1999-2000 to 0.47% in 2013-2014, reflecting absolute and relative increases of +0.42% and +840%. Independent risk factors for these two forms of psychoactive medication polypharmacy were identified. CONCLUSIONS: In this exploratory analysis, concurrent use of benzodiazepine receptor modulators and opioids, and nonselective and selective benzodiazepine receptor modulators, was found to have progressively risen in the United States. The progressive increases in these two forms of psychoactive medication polypharmacy are concerning, given that these drug use patterns are associated with increased risk for serious adverse outcomes.
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 | 0,001 |
| 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) | 0,002 | 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 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 ».