Opioid Prescribing in the Elderly: A Systematic Review
Notice bibliographique
Résumé
Objective: To characterize the literature describing the therapeutic use of opioids in the elderly. Data Sources: Two electronic databases, EMBASE and MEDLINE, were searched from years 1990 to September 5, 2018. Relevant reference lists were reviewed. Searches were restricted to English language. Study Selection and Data Extraction: Two reviewers independently screened 827 citations to identify observational studies, population-based cohort studies, retrospective analyses, and control trials looking at the management of persistent pain in patients aged ≥65 years and/or frail patients. Data Synthesis: Thirty-nine articles were included in the systematic review. More specifically, 17 observational studies, 7 population-based cohort studies, 10 retrospective analyses, and 4 controlled trials. The most common etiology of persistent pain was musculoskeletal (50%), and the most often adverse effects reported were central nervous system related (41%) and falls/fractures (39%). Relevance to Patient Care and Clinical Practice: As there is a lack of strong evidence-based recommendations for opioid use in the elderly, this review aims to evaluate opioid use in the elderly and compare their efficacy and safety among this population. Conclusions: Overall, central nervous system adverse effects were most commonly seen in the elderly. However, higher quality evidence is required to further appreciate the dose-related effects on efficacy and safety of opioids in the elderly.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».