Association between sustained opioid prescription and frequent emergency department use: a cohort study
Notice bibliographique
Résumé
BACKGROUND: Chronic non-cancer pain (CNCP) is common among frequent emergency department (ED) users, although factors underlying this association are unclear. This study estimated the association between sustained opioid use and frequent ED use among patients with CNCP. METHODS: Retrospective cohort study using a Canadian provincial health insurer database (Régie d'Assurance Maladie du Québec). The database included adults with both ≥1 chronic condition and ≥ 1 ED visit in 2012 or 2013. Inclusion in the study further required a CNCP diagnosis, public drug insurance coverage and 1-year survival after the first ED visit in 2012 or 2013 (index visit). Multivariable logistic regression was used to derive ORs of frequent ED use (≥5 visits in the year following the index visit) subsequent to sustained opioid use (≥60 days opioids prescription within 90 days preceding the index visit), adjusting for important covariables. RESULTS: From 576 688 patients in the database, 58 237 were included in the study. Of these, 4109 (7.1%) had received a sustained opioid prescription and 4735 (8.1%) were frequent ED users in the follow-up year. Sustained opioid use was not associated with frequent ED use in the multivariable model (OR: 1.06, 95% CI 0.94 to 1.19). Novel associated covariables were benzodiazepine prescription (OR: 1.21, 95% CI 1.12 to 1.30) and polypharmacy (OR: 1.23, 95% CI 1.13 to 1.34). CONCLUSIONS: Due to confounding by social and medical vulnerability, patients with CNCP with sustained opioid use appear to have a higher propensity for frequent ED use in unadjusted models. However, sustained opioid use was not associated with frequent ED use in these patients after adjustment.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,036 | 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 ».