Trends of Dispensed Opioids in Catalonia, Spain, 2007–19: A Population-Based Cohort Study of Over 5 Million Individuals
Notice bibliographique
Résumé
Objective: To characterize the trend of opioid use (number of users, dispensations and oral morphine milligram equivalents) in Catalonia (Spain). Design, setting, and participants: This population-based cohort study included all individuals aged 18 years or older, registered in the Information System for Research in Primary Care (SIDIAP), which covers >75% of the population in Catalonia, Spain, from 1 January 2007, to 31 December 2019. Main exposure and outcomes: The exposures were all commercialized opioids and their combinations (ATC-codes): codeine, tramadol, oxycodone, tapentadol, fentanyl, morphine, and other opioids (dihydrocodeine, hydromorphone, dextropropoxyphene, buprenorphine, pethidine, pentazocine). The main outcomes were the annual figures per 1,000 individuals of 1) opioid users, 2) dispensations, and 3) oral morphine milligram equivalents (MME). Results were stratified separately by opioid types, age (5-year age groups), sex (male or female), living area (rural or urban), and socioeconomic status (from least, U1, to most deprived, U5). The overall trends were quantified using the percentage change (PC) between 2007 and 2019. Results: Among 4,656,197 and 4,798,114 residents from 2007 to 2019, the number of opioid users, dispensations and morphine milligram equivalents per 1,000 individuals increased 12% (percentage change: 95% confidence interval (CI) 11.9–12.3%), 105% (95% confidence interval 83%–126%) and 339% (95% CI 289%–390%) respectively. Tramadol represented the majority of opioid use in 2019 (61, 59, and 54% of opioid users, dispensations, and total MME, respectively). Individuals aged 80 years or over reported the sharpest increase regarding opioid users (PC: 162%), dispensations (PC: 424%), and MME (PC: 830%). Strong opioids were increasingly prescribed for non-cancer pains over the years. Conclusion: Despite the modest increase of opioid users, opioid dispensations and MME increased substantially, particularly in the older population. In addition, strong opioids were incrementally indicated for non-cancer pains over the years. These findings suggest a transition of opioid prescriptions from intermittent to chronic and weak to strong and call for more rigorous opioid stewardship.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».