The Effects of the Opioid Epidemic on Prescribing Practices in Long-Term Care Residents
Notice bibliographique
Résumé
OBJECTIVE: Evaluate opioid prescribing practices for older adults since the opioid crisis in the United States.<br/> DESIGN: Interrupted time-series analysis on retrospective observational cohort study.<br/> SETTING: 176-bed skilled-nursing facility (SNF).<br/> PARTICIPANTS: Patients admitted to a long-term care facility with pain-related diagnoses between October 1, 2015, and March 31, 2017, were included. Residents discharged prior to 14 days were excluded. Of 392 residents, 258 met inclusion criteria with 313 admissions.<br/> MAIN OUTCOME MEASURE: Changes in opioid prescribing frequency between two periods: Q1 to Q3 (Spring 2016) and Q4 to Q6 for pre- and postgovernment countermeasure, respectively.<br/> RESULTS: Opioid prescriptions for patients with pain-related diagnoses decreased during period one at -0.10% per quarter (95% confidence interval [CI] -0.85-0.85; P = 0.99), with the rate of decline increasing at -3.8% per quarter from period 1 and 2 (95% CI -0.23-0.15; P = 0.64). Opioid prescribing from top International Classification of Diseases, Ninth Revision category, "Injury and Poisoning" decreased in prescribing frequency by -3.0% per quarter from Q1 to Q6 (95% CI -0.16-0.10; P = 0.54). Appropriateness of pain-control was obtained from the Minimum Data Set version 3.0 "Percent of Residents Who Self-Report Moderate to Severe Pain (Short Stay)" measure; these results showed a significant increase in inadequacy of pain relief by 0.28% per quarter (95% CI 0.12-0.44; P = 0.009).<br/> CONCLUSION: Residents who self-report moderate- to severe pain have significantly increased since October 2015. Opioid prescriptions may have decreased for elderly patients in SNFs since Spring 2016. Further investigation with a larger population and wider time frame is warranted to further evaluate significance.
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 | 0,001 |
| 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 ».