MétaCan
Menu
Retour à la cohorte
Enregistrement W4251304768 · doi:10.21203/rs.2.9200/v1

Identifying appropriate outcomes to help evaluate the impact of the Canadian Guideline for Safe and Effective Use of Opioids for Non-Cancer Pain

2019· preprint· en· W4251304768 sur OpenAlexafffundabout
Michael Allen, Beth Sproule, Peter MacDougall, Andrea D Furlan, Laura Murphy, Victoria Borg Debono, Norman Buckley

Notice bibliographique

RevueResearch Square · 2019
Typepreprint
Langueen
DomaineMedicine
ThématiquePain Management and Opioid Use
Établissements canadiensMcMaster University Medical CentreMcMaster UniversityToronto Rehabilitation InstituteCentre for Addiction and Mental HealthDalhousie University
Organismes subventionnairesMcMaster University
Mots-clésGuidelineCancer painMedicineCancerIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background: The Canadian Guideline for Safe and Effective Use of Opioids for Chronic Non-Cancer Pain (COG) was developed in response to increasing rates of opioid-related hospital visits and deaths in Canada, and uncertain benefits of opioids for chronic non-cancer pain (CNCP). Following publication, we developed a list of evaluable outcomes to assess the impact of this guideline on practice and patient outcomes. Methods: A working group at the National Pain Centre at McMaster University used a modified Delphi process to construct a list of clinical and patient outcomes important in assessing the uptake and application of the COG. An advisory group then reviewed this list to determine the relevance and feasibility of each outcome, and identified potential data sources. This feedback was reviewed by the National Faculty for the Guideline, and a National Advisory Group that included the creators of the COG, resulting in the final list of 5 priority outcomes. Results: Five outcomes were judged clinically important and feasible to measure: 1) Effects of opioids for CNCP on quality of life, 2) Assessment of patient’s risk of addiction before starting opioid therapy, 3) Monitoring patients on opioid therapy for aberrant drug-related behaviour, 4) Mortality rates associated with prescription opioid overdose and 5) Use of treatment agreements with patients before initiating opioid therapy for CNCP. Data sources for these outcomes included patient’s medical charts, e-Opioid Manager, prescription monitoring programs and administrative databases. Conclusion: Measuring the impact of best practice guidelines is infrequently done. Future research should consider capturing the five outcomes identified in this study to evaluate the impact of the COG in promoting evidence-based use of opioids for CNCP.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,103
score de la tête « metaresearch » (Gemma)0,221
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,837
Score d'incertitude au seuil0,542

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1030,221
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0070,007
Études des sciences et des technologies0,0030,002
Communication savante0,0050,003
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,133
Tête enseignante GPT0,486
Écart entre enseignants0,353 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetPain Management and Opioid UseTravaux en français237 207