Societal Cost of Opioid Use in Symptomatic Knee Osteoarthritis Patients in the United States
Notice bibliographique
Résumé
OBJECTIVE: Symptomatic knee osteoarthritis (SKOA) is a chronic, disabling condition, requiring long-term pain management; over 800,000 SKOA patients in the US use opioids on a prolonged basis. We aimed to characterize the societal economic burden of opioid use in this population. METHODS: We used the Osteoarthritis Policy Model, a validated computer simulation of SKOA, to estimate the opioid-related lifetime and annual cost generated by the US SKOA population. We included direct medical, lost productivity, criminal justice, and diversion costs. We modeled the SKOA cohort with a mean ± SD age of 54 ± 14 years and Western Ontario and McMaster Universities Osteoarthritis Index pain score of 29 ± 17 (0-100, 100 = worst). We estimated annual costs of strong ($1,381) and weak ($671) opioid regimens using Medicare fee schedules, Red Book, the Federal Supply Schedule, and published literature. The annual lost productivity and criminal justice costs of opioid use disorder (OUD), obtained from published literature, were $11,387 and $4,264, per-person, respectively. The 2015-2016 Medicare Current Beneficiary Survey provided OUD prevalence. We conducted sensitivity analyses to examine the robustness of our estimates to uncertainty in input parameters. RESULTS: Assuming 5.1% prevalence of prolonged strong opioid use, the total lifetime opioid-related cost generated by the US SKOA population was estimated at $14.0 billion, of which only $7.45 billion (53%) were direct medical costs. CONCLUSION: Lost productivity, diversion, and criminal justice costs comprise approximately half of opioid-related costs generated by the US SKOA population. Reducing prolonged opioid use may lead to a meaningful reduction in societal costs that can be used for other public health causes.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,000 | 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 ».