Assessment tools for problematic opioid use in palliative care: A scoping review
Notice bibliographique
Résumé
Background: Screening for problematic opioid use is increasingly recommended in patients receiving palliative care. Aim: To identify tools used to assess for the presence or risk of problematic opioid use in palliative care. Design: Scoping review. Data sources: Bibliographic databases (inception to January 31, 2020), reference lists, and grey literature were searched to find primary studies reporting on adults receiving palliative care and prescription opioids to manage symptoms from advanced cancer, neurodegenerative diseases, or end-stage organ diseases; and included tools to assess for problematic opioid use. There were no restrictions based on study design, location, or language. Results: We identified 42 observational studies (total 14,431 participants) published between 2009 and 2020 that used questionnaires ( n = 32) and urine drug tests ( n = 21) to assess for problematic opioid use in palliative care, primarily in US ( n = 38) and outpatient palliative care settings ( n = 36). The questionnaires were Cut down, Annoyed, Guilty, and Eye-opener (CAGE, n = 8), CAGE-Adapted to Include Drugs (CAGE-AID, n = 6), Opioid Risk Tool ( n = 9), Screener and Opioid Assessment for Patients with Pain (SOAPP; n = 3), SOAPP-Revised ( n = 2), and SOAPP-Short Form ( n = 5). Only two studies’ primary objectives were to evaluate a questionnaire’s psychometric properties in patients receiving palliative care. There was wide variation in how urine drug tests were incorporated into palliative care; frequency of abnormal urine drug test results ranged from 8.6% to 70%. Conclusion: Given the dearth of studies using tools developed or validated specifically for patients receiving palliative care, further research is needed to inform clinical practice and policy regarding problematic opioid use in palliative care.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| Bibliométrie | 0,001 | 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 ».