Persistent opioid use after hospital discharge in Australia: a systematic review
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
Objective This systematic review identified studies that provided an estimate of persistent opioid use following patient discharge from hospital settings in Australia. Methods A literature search was performed on 5 December 2020, with no date restrictions to identify studies that reported a rate of persistent opioid use following patient discharge from Australian Hospitals. The search strategy combined all terms relating to the themes 'hospital patients', 'prescribing', 'opioids' and 'Australia'. Studies that dealt solely with cancer, palliative care or addiction medicine were excluded. The databases searched in this review were Embase, PubMed, Scopus, CINAHL, and International Pharmaceutical Abstracts. Studies were assessed for bias using the Newcastle-Ottawa Scale and considered against international literature. Results In total, 13 publications are included for final analysis in this review. Of these, 11 articles relate to post-surgical opioid use. With one exception, studies were of a 'good' quality. Methods of data collection in included studies were a mixture of those conducting follow up of patients directly over time and those utilising dispensing databases. Persistent opioid use among surgical patients generally ranged from 3.9 to 10.5% at between 2 and 4 months after discharge. Conclusions How rates of persistent opioid use following hospital encounters in Australia are established, and how long after discharge rates are reported, is heterogeneous. Literature primarily relates to post-surgical patients, with very few studies investigating other settings such as encounters with the emergency department.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,004 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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