Opioid safety recommendations in adult palliative medicine: a North American Delphi expert consensus
Notice bibliographique
Résumé
OBJECTIVES: Despite the escalating public health emergency related to opioid-related deaths in Canada and the USA, opioids are essential for palliative care (PC) symptom management.Opioid safety is the prevention, identification and management of opioid-related harms. The Delphi technique was used to develop expert consensus recommendations about how to promote opioid safety in adults receiving PC in Canada and the USA. METHODS: Through a Delphi process comprised of two rounds, USA and Canadian panellists in PC, addiction and pain medicine developed expert consensus recommendations. Elected Canadian Society of Palliative Care Physicians (CSPCP) board members then rated how important it is for PC physicians to be aware of each consensus recommendation.They also identified high-priority research areas from the topics that did not achieve consensus in Round 2. RESULTS: The panellists (Round 1, n=23; Round 2, n=22) developed a total of 130 recommendations from the two rounds about the following six opioid-safety related domains: (1) General principles; (2) Measures for healthcare institution and PC training and clinical programmes; (3) Patient and caregiver assessments; (4) Prescribing practices; (5) Monitoring; and (6) Patients and caregiver education. Fifty-nine topics did not achieve consensus and were deemed potential areas of research. From these results, CSPCP identified 43 high-priority recommendations and 8 high-priority research areas. CONCLUSIONS: Urgent guidance about opioid safety is needed to address the opioid crisis. These consensus recommendations can promote safer opioid use, while recognising the importance of these medications for PC symptom management.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».