Factors associated with opioid overdose during medication-assisted treatment: How can we identify individuals at risk?
Notice bibliographique
Résumé
BACKGROUND: Due to the loss of tolerance to opioids during medication-assisted treatment (MAT), this period may represent a time of heightened risk for overdose. Identifying factors associated with increased risk of overdose during treatment is therefore paramount to improving outcomes. We aimed to determine the prevalence of opioid overdoses in patients receiving MAT. Additionally, we explored factors associated with opioid overdose during MAT and the association between length of time enrolled in MAT and overdose. METHODS: Data were collected prospectively from 2360 participants receiving outpatient MAT in Ontario, Canada. Participants were divided into three groups by overdose status: no history of overdose, any lifetime history of overdose, and emergency department visit for opioid overdose in the last year. We used a multivariate multinomial regression model to assess demographic and clinical factors associated with overdose status. RESULTS: Twenty-four percent of participants reported a lifetime history of overdose (n = 562), and 8% reported an emergency department (ED) visit for opioid overdose in the last year (n = 179). Individuals with a recent ED visit for opioid overdose were in treatment for shorter duration (odds ratio [OR] 0.92, 95% confidence interval [CI] 0.87, 0.97, p = 0.001). Individuals with a lifetime or recent history of overdose were more likely to be younger in age (OR 0.93, 95% CI 0.89, 0.98, p = 0.007 and OR 0.84, 95% CI 0.77, 0.92, p < 0.001, respectively), report more physical symptoms (OR 1.02, 95% CI 1.01, 1.03, p = 0.005 and OR 1.03, 95% CI 1.01, 1.05, p = 0.005, respectively), and had higher rates of non-prescription benzodiazepine use (OR 1.87, 95% CI 1.32, 2.66, p < 0.001 and OR 2.34, 95% CI 1.43, 3.81, p = 0.001, respectively) compared to individuals with no history of overdose. CONCLUSIONS: A considerable number of patients enrolled in MAT have experienced overdose. Our study highlights that there are identifiable factors associated with a patient's overdose status that may represent areas for intervention. In particular, longer duration in MAT is associated with a decreased risk of overdose.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».