All-Cause and Overdose Mortality Risk Among People Prescribed Opioids: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: To estimate all-cause and overdose crude mortality rates and standardized mortality ratios among people prescribed opioids for chronic noncancer pain and risk of overdose death in this population relative to people with similar clinical profiles but not prescribed opioids. DESIGN: Systematic review and meta-analysis. METHODS: Medline, Embase, and PsycINFO were searched in February 2018 and October 2019 for articles published beginning 2009. Due to limitations in published studies, we revised our inclusion criteria to include cohort studies of people prescribed opioids, excluding those studies where people were explicitly prescribed opioids for the treatment of opioid use disorder or acute cancer or palliative pain. We estimated pooled all-cause and overdose crude mortality rates using random effects meta-analysis models. No studies reported standardized mortality ratios or relative risks. RESULTS: We included 13 cohorts with 6,029,810 participants. The pooled all-cause crude mortality rate, based on 10 cohorts, was 28.8 per 1000 person-years (95% CI = 17.9-46.4), with substantial heterogeneity (I2 = 99.9%). The pooled overdose crude mortality rate, based on six cohorts, was 1.1 per 1000 person-years (95% CI = 0.4-3.4), with substantial heterogeneity (I2 = 99.5%), but indications for opioid prescribing and opioid exposure were poorly ascertained. We were unable to estimate mortality in this population relative to clinically similar populations not prescribed opioids. CONCLUSIONS: Methodological limitations in the identified literature complicate efforts to determine the overdose mortality risk of people prescribed opioids. There is a need for large-scale clinical trials to assess adverse outcomes in opioid prescribing, especially for chronic noncancer 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 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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,022 | 0,002 |
| 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 ».