Doctor shopping among chronic noncancer pain patients treated with opioids in the province of Quebec (Canada): incidence, risk factors, and association with the occurrence of opioid overdoses
Notice bibliographique
Résumé
INTRODUCTION: Prescription opioids continue to be involved in the opioid crisis, and a better understanding of factors associated with problematic opioid use is needed. OBJECTIVES: The aim of this study was to assess the incidence of opioid doctor shopping, a proxy for problematic opioid use, to identify associated risk factors, and to assess its association with the occurrence of opioid overdoses. METHODS: This was a retrospective cohort study of people living with chronic noncancer pain (CNCP) and treated with opioids for at least 6 months between 2006 and 2017 in the province of Quebec (Canada). Data were drawn from the Quebec health administrative databases. Doctor shopping was defined as overlapping prescriptions written by ≥ 2 prescribers and filled in ≥3 pharmacies. RESULTS: A total of 8,398 persons with CNCP were included. The median age was 68.0 (Q1: 54; Q3: 82) years, and 37.1% were male. The 1-year incidence of opioid doctor shopping was 7.8%, 95% confidence interval (CI): 7.2-8.5. Doctor shopping was associated with younger age (hazard ratio [HR] 18-44 vs ≥65 years: 2.22, 95% CI: 1.77-2.79; HR 45-64 vs ≥65 years: 1.34, 95% CI: 1.11-1.63), male sex (HR = 1.20, 95% CI: 1.01-1.43), history of substance use disorder (HR = 1.32, 95% CI: 1.01-1.72), and anxiety (HR = 1.41, 95% CI: 1.13-1.77). People who exhibited doctor shopping were 5 times more likely to experience opioid overdoses (HR = 5.25, 95% CI: 1.44-19.13). CONCLUSION: Opioid doctor shopping is a marginal phenomenon among people with CNCP, but which is associated with the occurrence of opioid overdoses. Better monitoring of persons at high risk to develop doctor shopping could help prevent opioid overdoses.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».