Use of Injectable Opioid Agonist Therapy in a In-Patient Setting for a Pregnant Patient With Opioid Use Disorder: A Case Report
Notice bibliographique
Résumé
BACKGROUND: In the era of highly potent illicit opioids, such as fentanyl and carfentanil, injectable opioid agonist treatment (iOAT) is an effective treatment for those with severe and treatment-refractory opioid use disorder. Untreated opioid use disorder in pregnancy can lead to maternal and neonatal morbidity and mortality. There are currently limited reports on the use of iOAT in pregnant women. The in-patient setting may provide an opportunity to pregnant women for stabilization with iOAT where first line therapies have been ineffective. CASE SUMMARY: We report a case of a pregnant individual who engaged in daily intravenous fentanyl who was admitted to the hospital at 29 weeks gestation for stabilization with iOAT, methadone, and slow-release oral morphine. Before admission, she endured 6 opioid overdoses in her pregnancy and continued to use illicit intravenous opioids in the community despite high dose methadone combined with slow-release oral morphine. Her withdrawal symptoms and cravings were ameliorated with hydromorphone 90 mg IM/IV BID, methadone 135 mg daily, and morphine sulfate sustained release 600 mg daily. With this regimen, she was able to reduce her intravenous fentanyl use to a single episode during her hospitalization. She completed her pregnancy in hospital, delivering a full-term live infant after receiving comprehensive prenatal care. DISCUSSION: This case report highlights iOAT as an option during pregnancy and describes the in-patient setting as appropriate to retain high-risk patients in care. This approach may benefit those who are refractory to standard opioid agonist treatment, the numbers of whom may be rising as tolerance to the illicit supply increases.
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 | 0,000 | 0,002 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».