State-level variation in opioid prescribing after knee arthroscopy among the opioid-naïve in the USA: 2015–2019
Notice bibliographique
Résumé
OBJECTIVE: It has been established that most patients prescribed opioids after minor surgery have tablets left over, better understanding the variation in opioid prescribing and variation in dosage of the prescription could guide efforts to reduce prescribing. This study describes the state-level variation in opioid prescribing after a knee arthroscopy among opioid-naïve patients. DESIGN: Retrospective cohort study. SETTING: Commercial insurance claims data. PARTICIPANTS: 98 623 individual across the USA with commercial insurance who were opioid-naïve and had a knee arthroscopy between 2015 and 2019. EXPOSURE: Patients who filled an opioid prescription within 3 days of a knee arthroscopy. OUTCOME MEASURES: Opioid prescriptions were measured as a pharmacy claim for filling an opioid within 3 days of a knee arthroscopy. We measured the patient and state-level opioid prescribing rate, tablet count, morphine milligram equivalent dose per prescription and risk-adjusted predicted opioid quantity. RESULTS: Overall, 72% of patients filled an opioid prescription with a median tablet count of 40 and median morphine milligram equivalent of 250. Patients with an invasive procedure (27.9% vs 22.4%; p<0.001), higher education level (p<0.001) and fewer comorbidities (0.9 vs 1.2, p<0.001) had higher rates of opioid prescribing. The prescribing rate in the highest state, Nebraska (85%), was double the prescribing rate in the lowest state, South Dakota (40%). Comparing the casemix adjusted expected prescribing rate to the observed prescribing rate displayed that 18 states had observed prescribing rates that were higher than their expected prescribing rates. CONCLUSION: Wide variation in the likelihood of receiving a prescription, depending on state of residence, was observed. The dosages prescribed were high and have been associated with transition to long-term use. These findings suggest that there is substantial opportunity for the development of guidelines to reduce variability in opioid prescribing for this common ambulatory procedure.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | medium |
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 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».