Frequency of Opioid Prescribing for Acute Low Back Pain in a Rural Emergency Department
Notice bibliographique
Résumé
National guidelines created by the Agency for Healthcare Research and Quality (AHRQ), the American College of Emergency Physicians (ACEP), and the American College of Physicians (ACP) support the use of nonsteroidal anti-inflammatory drugs (NSAIDs) over opioids when treating acute low back pain (; ; ). Opioids not only have many more side effects than NSAIDs but also carry the risk of opioid abuse and overdose (). The purpose of this study was to determine whether emergency department (ED) providers, including physicians, nurse practitioners, and physician assistants, are following evidence-based low back pain management guidelines by assessing the measurement of opioid versus NSAID prescribing. A retrospective chart review including data from January through June 2017 was conducted at a rural ED. Subject inclusion criteria were as follows: older than 18 years, had experienced new-onset low back pain within the last 1 month, and had been given an ICD-10 (International Classification of Diseases, Tenth Revision) code of M54.5. Data regarding the type of provider seen, the treatment the provider prescribed, and demographics were collected. Inclusion criteria were met by 162 subjects. While 52.5% of subjects were prescribed an NSAID at discharge, 53.7% were prescribed an opioid at discharge. Subjects whose injury was work related were less likely to receive an opioid prescription (p = 0.027, 95% CL). Subjects whose pain started within 3 days were more likely to receive an opioid prescription than those whose pain had started more than 3 days before being seen (p = 0.018, 95% CL). Despite the current evidence-based guidelines by the AHRQ, ACEP, and ACP against opioid prescribing for acute low back pain, more subjects received an opioid prescription at discharge than a prescription for an NSAID. This retrospective chart review determined the need for increased ED provider education regarding treatment modalities for acute low back pain.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 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 ».