Opioid Use and Misuse Three Months After Emergency Department Visit for Acute Pain
Notice bibliographique
Résumé
BACKGROUND: Studies evaluating long-term prescription opioid use are retrospective and based on filled opioid prescriptions from governmental databases. These studies cannot evaluate if opioids were really consumed and are unable to differentiate if they were used for a new pain or chronic pain or were misused. The aim of this study was to assess opioid use rate and reasons for consuming 3 months after being discharged from the emergency department (ED) with an opioid prescription. METHODS: This is a prospective cohort study conducted in the ED of a tertiary care urban center with a convenience sample of discharged patients ≥ 18 years who consulted for an acute pain condition (≤2 weeks). Three months post-ED visit, participants were interviewed by phone on their past 2-week opioid consumption and their reasons for consuming: a) for pain related to the initial ED visit, b) for a new unrelated pain, or c) for another reason. RESULTS: Of the 524 participants questioned at 3 months (mean ± SD age = 51 ± 16 years, 47% women), 47 patients (9%, 95% confidence interval [CI] = 7%-12%) reported consuming opioids in the previous 2 weeks. Among those, 34 (72%) reported using opioids for their initial pain, nine (19%) for a new unrelated pain and four (9%) for another reason (0.8%, 95% CI = 0.3%-2.0%, of the whole cohort). Patients who used opioids during the 2 weeks after the ED visit were 3.8 (95% CI = 1.2-12.7) times more likely to consume opioids at 3 months. CONCLUSION: Opioid use at the 3-month follow-up in ED patients discharged with an opioid prescription for an acute pain condition is not necessarily associated with opioid misuse; 91% of those patients consumed opioids to treat pain. Of the whole cohort, less than 1% reported using opioids for reasons other than pain. The rate of long-term opioid use reported by prescription-filling database studies should not be viewed as a proxy for incidence of opioid misuse.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».