Opioid Medication Disposal Among Patients Following Hand Surgery
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Despite increased public awareness to dispose of unused narcotics, opioids prescribed postoperatively are retained, which may lead to drug diversion and abuse. This study assessed retention of unused opioids among hand surgery patients and describes disposal methods and barriers. Methods: Participants undergoing hand surgery were given an opioid disposal information sheet preoperatively (N = 222) and surveyed postoperatively to assess disposal or retention of unused opioids, disposal methods, and barriers to disposal. A binomial logistic regression was conducted to assess whether age, sex, pain intensity, and/or the type of procedure were predictors of opioid disposal. Results: There were 171 patients included in the analysis (n = 51 excluded; finished prescription or continued opioid use for pain control). Unused opioids were retained by 134 patients (78%) and disposal was reported by 37 patients (22%). Common disposal methods included returning opioids to a pharmacy (49%) or mixing them with an unwanted substance (24%). Reasons for retention included potential future use (54%), inconvenient disposal methods (21%), or keeping an unfilled prescription (9%). None of the patient factors analyzed (age, sex, type of procedure performed, or pain score) were predictors of disposal of unused narcotics ( P > .05). Conclusions: Most patients undergoing hand surgery retained prescribed opioids for future use or due to impractical disposal methods. The most common disposal methods included returning narcotics to a pharmacy or mixing opioids with unwanted substances. Identifying predictors of disposal may provide important information when developing strategies to increase opioid disposal.
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.
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 découle