Global, regional, and national consumption of controlled opioids: a cross-sectional study of 214 countries and non-metropolitan territories
Notice bibliographique
Résumé
INTRODUCTION: The consumption of opioids has increased globally since the 1990s. Previous studies of global opioid consumption have concentrated on morphine alone or a subset of opioids, with a focus on cancer pain and palliative care. In this study, we have determined the global, regional, and national consumption of all controlled opioids, including anaesthetics, analgesics, antidiarrheals, opioid substitution therapies, and cough suppressants. METHODS: We conducted a cross-sectional study using data from the International Narcotics Control Board (INCB). We calculated mean opioid consumption (mg/person) globally, regionally, and nationally for 2015-2017, where consumption refers to the total amount of controlled opioids distributed for medical purposes and excludes recreational use. We ranked countries by total consumption and quantified the types of opioids consumed globally. RESULTS: Between 2015 and 2017, 90% of the world's population consumed only 11% of controlled opioids. An average of 32 mg/person was consumed annually, but this was not equally distributed across the world. Consumption was the highest in Germany (480 mg/person), followed by Iceland (428 mg/person), the United States (398 mg/person) and Canada (333 mg/person). Oxycodone (35%) was the most heavily consumed controlled opioid globally, followed by morphine (15.9%), methadone (15.8%) and tilidine (14%). CONCLUSION: Large disparities persist in most of the world in accessing essential opioid medicines. Consumption patterns should continue to be monitored, and collaborative strategies should be developed to promote access and the appropriate prescribing of opioids in all countries and non-metropolitan territories.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».