Risk Factors for Misuse of Prescribed Opioids: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
STUDY OBJECTIVE: Increasing opioid prescribing has been linked to an epidemic of opioid misuse. Our objective is to synthesize the available evidence about patient-, prescriber-, medication-, and system-level risk factors for developing misuse among patients prescribed opioids for noncancer pain. METHODS: We performed a systematic search of the scientific and gray literature for studies reporting on risk factors for prescription opioid misuse. Two reviewers independently reviewed titles, abstracts, and full texts; extracted data; and assessed study quality. We excluded studies with greater than 50% cancer patients, palliative patients, and illicit opioid initiation. When possible, we synthesized the effect sizes of dichotomous risk factors and their associations with opioid misuse, using inverse-variance random-effects meta-analysis. We calculated the mean difference between opioid misusers and nonmisusers for continuous risk factors. When studies lacked homogeneity, we synthesized their results qualitatively. RESULTS: Of 9,629 studies, 65 met our inclusion criteria. Among patients with outpatient opioid prescriptions, the following factors were associated with the development of misuse: any current or previous substance use (odds ratio [OR] 3.55; 95% confidence interval [CI] 2.62 to 4.82), any mental health diagnosis (OR 2.45; 95% CI 1.91 to 3.15), younger age (OR 2.19; 95% CI 1.81 to 2.64), and male sex (OR 1.23; 95% CI 1.10 to 1.36). CONCLUSION: Although clinicians should endeavor to offer alternative pain management strategies to all patients, those who are younger, are male patients, and report a history of or current substance use or mental health diagnoses were associated with a greater risk of developing opioid misuse. Clinicians should consider prioritizing alternative pain management strategies for these higher-risk 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,013 | 0,028 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».