New Opioid Use after Invasive Mechanical Ventilation and Hospital Discharge
Notice bibliographique
Résumé
Abstract Rationale Patients who receive invasive mechanical ventilation (IMV) are usually exposed to opioids as part of their sedation regimen. The rates of posthospital prescribing of opioids are unknown. Objectives To determine the frequency of persistent posthospital opioid use among patients who received IMV. Methods We assessed opioid-naive adults who were admitted to an ICU, received IMV, and survived at least 7 days after hospital discharge in Ontario, Canada over a 26-month period (February, 2013 through March, 2015). The primary outcome was new, persistent opioid use during the year after discharge. We assessed factors associated with persistent use by multivariable logistic regression. Patients receiving IMV were also compared with matched hospitalized patients who did not receive intensive care (non-ICU). Measurements and Main Results Among 25,085 opioid-naive patients on IMV, 5,007 (20.0%; 95% confidence interval [CI], 19.5–20.5) filled a prescription for opioids in the 7 days after hospital discharge. During the next year, 648 (2.6%; 95% CI, 2.4–2.8) of the IMV cohort met criteria for new, persistent opioid use. The patient characteristic most strongly associated with persistent use in the IMV cohort was being a surgical (vs. medical) patient (adjusted odds ratio, 3.29; 95% CI, 2.72–3.97). The rate of persistent use was slightly higher than for matched non-ICU patients (2.6% vs. 1.5%; adjusted odds ratio, 1.37 [95% CI, 1.19–1.58]). Conclusions A total of 20% of IMV patients received a prescription for opioids after hospital discharge, and 2.6% met criteria for persistent use, an average of 300 new persistent users per year in a population of 14 million. Receipt of surgery was the factor most strongly associated with persistent use.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».