Time trends in opioid prescribing among Ontario long-term care residents: a repeated cross-sectional study
Notice bibliographique
Résumé
<h3>Background:</h3> Opioids are an important pain therapy, but their use may be associated with adverse events in frail and cognitively impaired long-term care residents. The objective of this study was to investigate trends in opioid prescribing among Ontario long-term care residents over time, given the paucity of data for this setting. <h3>Methods:</h3> We used linked clinical and health administrative databases to conduct a population-based, repeated cross-sectional study of opioid use among Ontario long-term care residents between Apr. 1, 2009, and Mar. 31, 2017. We identified prevalent opioid use by drug type, dosage and coprescription with benzodiazepines, and within certain vulnerable subgroups. We used log-binomial regression to quantify the percent change between 2009/10 and 2016/17. <h3>Results:</h3> Among an average of 76 147 long-term care residents per year, the prevalence of opioid use increased from 15.8% in 2009/10 to 19.6% in 2016/17 (<i>p</i> < 0.001). Over the study period, the use of hydromorphone increased by 233.2%, whereas the use of all other opioid agents decreased. The use of high-dose opioids (> 90 mg of morphine equivalents) and the coprescription of opioids with benzodiazepines decreased significantly, by 17.7% (<i>p</i> < 0.001) and 23.8% (<i>p</i> < 0.001), respectively. Increases in opioid prevalence were more notable among frail residents (37.6% v. 18.8% among nonfrail residents, <i>p</i> < 0.001) and those with dementia (38.6% v. 21.6% among those without dementia, <i>p</i> < 0.001). <h3>Interpretation:</h3> Within Ontario long-term care, trends suggest a shift toward increased use of hydromorphone but reduced prevalence of use of other opioid agents and potentially inappropriate opioid prescribing. Further investigation is needed on the impact of these trends on resident 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 | 0,000 |
| 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) | 0,005 | 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 ».