Associations Between Physician Prescribing Behavior and Persistent Postoperative Opioid Use Among Cancer Patients Undergoing Curative-intent Surgery
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to evaluate the association between prescribers' opioid prescribing history and persistent postoperative opioid use in cancer patients undergoing curative-intent surgery. BACKGROUND: Study has shown that patients may be over-prescribed analgesics after surgery. However, whether and how the prescriber's opioid prescribing behavior impacts persistent opioid use is unclear. METHODS: All adults with a diagnosis of solid cancers who underwent surgery during the study period (2009-2015) in Alberta, Canada and were opioid-naïve were included. The key exposure was the historical opioid-prescribing pattern of a patient's most responsible prescriber. The primary outcome was "new persistent postoperative opioid user," was defined as a patient who was opioid-naïve before surgery and subsequently filled at least 1 opioid prescription between 60 and 180 days after surgery. RESULTS: We identified 24,500 patients. Of these, 2106 (8.6%) patients became a new persistent opioid user after surgery. Multivariate analysis demonstrated that patients with most responsible prescribers that historically prescribed higher daily doses of opioids (≥50 vs <50 mg oral morphine equivalent) had an increased risk of new persistent opioid use after surgery (odds ratio = 2.41, P < 0.0001). In addition to the provider's prescribing pattern, other factors including younger age, comorbidities, presurgical opioid use, chemotherapy, type of tumor/surgical procedure were also found to be independently associated with new persistent postoperative opioid use. CONCLUSIONS: Our results suggest that prescriber with a history of prescribing a higher opioid dose is an important predictor of persistent postoperative opioid use among cancer patients undergoing curative-intent surgery.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».