Opioids and the Risk of Motor Vehicle Collision: A Systematic Review
Notice bibliographique
Résumé
Background: Opioid analgesics are among the most commonly prescribed medications, but questions remain regarding their impact on the day-to-day functioning of patients including driving. We set out to perform a systematic review on the risk of motor vehicle collision (MVC) associated with prescription opioid exposure. Method: We searched Medline, PubMed, EMBASE, Scopus, and TRID from January 1990 to August 31, 2021 for primary studies assessing prescribed opioid use and MVCs. Results: We identified 14 observational studies that met inclusion criteria. Among those, 8 studies found an increased risk of MVC among those participants who had a concomitant opioid prescription at the time of the MVC and 3 found no significant increase of culpability of fatal MVC. The 3 studies that evaluated the presence of a dose-response relationship between the dose of opioids taken and the effects on MVC risk reported the existence of a dose-response relationship. Due to the heterogeneity of the different studies, a quantitative meta-analysis to sum evidence was deemed unfeasible. Our review supports increasing evidence on the association between motor vehicle collisions and prescribed opioids. This research would guide policies regarding driving legislation worldwide. Conclusion: Our review indicates that opioid prescriptions are likely associated with an increased risk of MVCs. Further studies are warranted to strengthen this finding, and investigate additional factors such as individual opioid medications, opioid doses and dose adjustments, and opioid tolerance for their effect on MVC risk.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».