The association of gender and persistent opioid use following an acute pain event: A retrospective population based study of renal colic
Notice bibliographique
Résumé
INTRODUCTION: This study aims to explore gender-related differences in persistent opioid use following an acute pain episode and evaluate potential explanatory variables. METHODS: This retrospective population-based study using administrative databases included all opioid-naïve patients in Ontario with renal colic between 2013 and 2017. The primary outcome was to assess any association between persistent opioid use at 3-6 months by gender. Key confounding covariates and explanatory variables examined included both care- and patient-related factors, specifically past evidence of mental health diagnoses. RESULTS: The dataset of 64,240 males and 37,656 females demonstrated that 8.7% of males and 9.6% of females had evidence of persistent opioid use 3-6 months after presentation (OR 1.11, 95% CI 1.05, 1.17). Females had a higher incidence of mental health services utilization [44.5% vs 29.6% (p<0.001)] and were more likely to be on a provincial disability program [5.1% vs 3.8% (p<0.001)]. Age, income quintile, mental health diagnoses and dose of opioid prescribed were associated with the primary outcome in both genders. On adjusted analysis for multiple confounding and explanatory variables, females were still more likely than males to demonstrate persistent opioid use (OR 1.07, 95% CI 1.01, 1.13) with even more pronounced associations at 1-2 years. INTERPRETATION: After controlling for key covariates, females are at slightly higher risk of demonstrating long term opioid use following an episode of renal colic. Evidence of prior mental health service utilization and acute colic care did not appear to significantly explain these observations.
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) | 0,000 | 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 ».