Facteurs prédictifs d’utilisation chronique d’opioïdes dans la population non atteinte de cancer
Notice bibliographique
Résumé
L’utilisation chronique d’opioïdes est associée à des méfaits graves tels que dépendance et surdosage. Ce mémoire vise à identifier les facteurs associés à l’utilisation chronique d’opioïdes dans une population adulte non atteinte de cancer et par là, à développer un modèle prédictif adapté à la pratique clinique. À partir des banques de données administratives du Québec (RAMQ), une étude de cohorte a été menée dans un échantillon aléatoire de 125,000 membres du régime général d’assurance médicaments (≥18 ans) ayant initié un opioïde entre le 1er janvier 2012 et le 31 décembre 2016. L'utilisation chronique a été définie par ≥90 jours consécutifs ou ≥120 jours cumulatifs pendant les 12 mois de suivi. Des modèles de régression logistique multivariés ont été effectués afin d’évaluer l’association entre les caractéristiques du patient ou du traitement et l’utilisation chronique. La performance prédictive des modèles a été évaluée par l’aire sous la courbe (AUC) de la «Receiver Operating Characteristic». Parmi les 124 664 nouveaux utilisateurs admissibles, 3,4% sont devenus utilisateurs chroniques et représentaient 51,1% des opioïdes délivrés à la cohorte. Le modèle prédictif le plus parcimonieux ayant une performance acceptable (AUC≥ 0,70) incluait: Durée de prescription initiale ≥30 jours et diagnostic associé à de la douleur chronique. De nombreux facteurs de risque d’utilisation chronique d’opioïdes ont été identifiés. Il est possible de prédire quels sont les patients qui évolueront vers une utilisation chronique uniquement à partir de la durée de l’ordonnance initiale et de l’indication. Ces prédicteurs seraient donc adaptés à la pratique clinique.
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 | 0,007 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».