Opioid Use at End-Of-Life Among Nova Scotia Patients With Cancer
Notice bibliographique
Résumé
Purpose: To determine the factors associated with opioid analgesic prescriptions as measured by community pharmacy dispensations to all Nova Scotia (NS) patients with cancer at end-of-life from 2005 to 2009. Methods: The NS Cancer Registry and the NS Prescription Monitoring Program (NSPMP) were used to link Nova Scotians who had a cancer diagnosis and received a prescription for opioids in their last year of life ( n = 6,186) from 2005 to 2009. The association of factors with opioid dispensations at end-of-life were determined (e.g., patient demographics, type of prescriber, type of cancer, and opioid type, formulation, and dose). Results: Almost 54% ( n = 6,186) of the end-of-life study population with cancer ( n = 11,498) was linked to the NSPMP and therefore dispensed opioids. Most prescriptions were written by general practitioners (89%) and were for strong opioids (81%). Immediate-release formulations were more common than modified-release formulations. Although the annual average parenteral morphine equivalents (MEQ) did not change during the study period, the number of opioid prescriptions per patient per year increased from 5.9 in 2006 to 7.0 in 2009 ( p < 0.0001). Patients age 80 and over received the fewest prescriptions (mean 3.9/year) and the lowest opioid doses (17.0 MEQ) while patients aged 40–49 received the most prescriptions (mean 14.5/year) and the highest doses of opioid (80.2 MEQ). Conclusion: Our study examined opioid analgesic use at end-of-life in patients with cancer for a large real-world population and determined factors, trends and patterns associated with type and dose of opioid dispensed. We provide information regarding how general practitioners prescribe opioid therapy to patients at end-of-life. Our data suggest that at the time of this study, there may have been under-prescribing of opioids to patients with cancer at end-of-life. This information can be used to increase awareness among general practitioners, and to inform recommendations from professional regulatory bodies, to aid in managing pain for cancer patients at end-of-life. Future work could address how opioid prescribing has changed over time, and whether efforts to reduce opioid prescribing in response to the opioid crisis have affected patients with cancer at end-of-life in Nova Scotia.
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) | 0,004 | 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 ».