Impact of changes in opioid funding and clinical policies on rapid tapering of opioids in Ontario, Canada
Notice bibliographique
Résumé
ABSTRACT: Reports have emerged of abrupt tapering among recipients of long-term prescription opioids to conform new prescribing guidelines. We conducted a population-based, repeated cross-sectional time-series study among very high-dose (≥200 MME) opioid recipients in Ontario, Canada, to examine changes in the monthly prevalence of rapid tapering from 2014 to 2018, defined as recipients experiencing either a ≥50% reduction in daily doses or abrupt discontinuation sustained for 30 days. Interventional autoregressive integrated moving average models were used to test for significant changes following key guidelines and drug policies and programs. A sensitivity analysis examined rapid tapering sustained for 90 days. The monthly prevalence of rapid tapering events was stable from January 2014 to September 2016 (average monthly prevalence: 1.4%) but increased from 1.4% in October 2016 to 1.8% in April 2017 (P = 0.001), coincident with Ontario's Fentanyl Patch-for-Patch Return Program implementation. Transient spikes in the prevalence of rapid tapering also occurred 2 months after Ontario's delisting of publicly funded high-strength opioids and the release of updated Canadian Opioid Prescribing Guideline for Chronic Pain, reaching 2.3% in March 2017 and July 2017, respectively. However, this prevalence decreased to 1.2% in December 2018 (P < 0.0001). Although the prevalence of abrupt opioid discontinuation was lower, similar trends were observed. Our sensitivity analysis examining long-lasting rapid tapering found similar trends but lower prevalence, with no changes in complete discontinuation. These temporary increases in rapid tapering events highlight the need for improved communication and evidence-based resources for prescribers to minimize negative consequences of evolving policies and guidelines.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».