Opioid Risk Screening in an Oncology Palliative Medicine Clinic
Notice bibliographique
Résumé
PURPOSE: Little information exists on factors that predict opioid misuse in oncology. We adopted the Screener and Opioid Assessment for Patients With Pain-Short Form (SOAPP-SF) and toxicology testing to assess for opioid misuse risk. The primary objective was to (1) identify characteristics associated with a high-risk SOAPP-SF score and noncompliant toxicology test, and (2) determine SOAPP-SF utility to predict noncompliant toxicology tests. METHODS: From July 1, 2017, to December 31, 2017, new patients completed the Edmonton Symptom Assessment Scale (ESAS), SOAPP-SF, and narcotic use agreement. Toxicology test results were collected at subsequent visits. RESULTS: Of 223 distinct patients, 96% completed SOAPP-SF. Mean age was 61 ± 12.7 years, 58% were female, 68% were White, and 28% were Black. Eighty-three eligible patients (38%) completed toxicology testing. Younger age, male sex, and increased ESAS depression scores were associated with high-risk SOAPP-SF scores. Smoking habit was associated with an aberrant test. An SOAPP-SF score ≥ 3 predicted a noncompliant toxicology test. CONCLUSION: Male sex, young age, and higher ESAS depression score were associated with a high SOAPP-SF score. Smoking habit was associated with an aberrant test. An SOAPP-SF of ≥ 3 (sensitivity, 0.74; specificity, 0.64), not ≥ 4, was predictive of an aberrant test; however, performance characteristics were decreased from those published by Inflexxion, for ≥ 4 (sensitivity, 0.86; specificity, 0.67). The specificity warrants caution in falsely labeling patients. The SOAPP-SF may aid in meeting National Comprehensive Cancer Network recommendations to screen oncology patients for opioid misuse.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».