Patterns, trends and determinants of medical opioid utilization in Canada 2005–2020: characterizing an era of intensive rise and fall
Notice bibliographique
Résumé
BACKGROUND: Into the 21st century, the conflation of high rates of chronic pain, systemic gaps in treatment availability and access, and the arrival of potent new opioid medications (e.g., slow-release oxycodone) facilitated strong increases in medical opioid dispensing in Canada. These persisted until post-2010 alongside rising opioid-related adverse (e.g., morbidity/mortality) outcomes. We examine patterns, trends and determinants of opioid dispensing in Canada, and specifically its 10 provinces, for the years 2005-2020. METHODS: Raw data on prescription opioid dispensing were obtained from a large national community-based pharmacy database (IQVIA/Compuscript), converted into Defined-Daily-Doses/1,000 population/day for 'strong' and 'weak' opioid categories per standard methods. Dispensing by opioid category and formulations by province/year was assessed descriptively; regression analysis was applied to examine possible segmentation of over-time strong opioid dispensing. RESULTS: All provinces reported starkly increasing strong opioid dispensing peaking 2011-2016, and subsequent marked declines. About half reported lower strong opioid dispensing in 2020 compared to 2005, with continuous inter-provincial differences of > 100 %; weak opioids also declined post-2011/12. Segmented regression suggests breakpoints for strong opioids in 2011/12 and 2015/16, coinciding with main interventions (e.g., selective opioid delisting, new prescribing guidelines) towards more restrictive opioid utilization control. CONCLUSIONS: We characterized an era of marked rise and fall, while featuring stark inter-provincial heterogeneity in opioid dispensing in Canada. While little evidence for improvements in pain care outcomes exists, the starkly inverting opioid utilization have been associated with extensive population-level harms (e.g., misuse, morbidity, mortality) over-time. This national case study raises fundamental questions for opioid-related health policy and practice.
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 | 0,000 | 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 ».