Opioid Utilization and Management in the Setting of Stewardship During Inpatient Rehab Care
Notice bibliographique
Résumé
Background: Opioid utilization and management in an inpatient rehabilitation setting have not been widely described, despite the unique opportunities that exist in this setting to support opioid stewardship across transitions in care. We aimed to characterize opioid utilization and management by interprofessional teams across a large, inpatient rehabilitation setting after incorporation of opioid stewardship principles by pharmacists as part of their daily practice. Patients and methods: This was a retrospective chart review at Toronto Rehab, University Health Network, Toronto, Canada. Patients with admission orders for any opioid from November 2017 to February 2018 were included. Complex continuing care and palliative care patients were excluded. Descriptive statistics were primarily used to describe the data as well as univariate linear regression to compare associations with milligram morphine equivalent (MME) reduction. Results: A total of 448 patients were included. A reduction in total daily MME was seen in 49% (n=219) of the patients during their inpatient stay, with 73% (n=159) of these patients having a reduction of ≥50%. Sixty-nine percent (n=311) of the patients received an opioid prescription at discharge, with most scheduled (90%, n=98) with a supply of less than 30 days. Rehabilitation length of stay was correlated with a MME decrease during rehab (p<0.01), suggesting that longer lengths of stay contributed to a greater reduction in MME. Patients with chronic opioid use prior to acute care admission (p=0.01), and those who started extended-release opioids during acute care (p=0.02) were significantly less likely to discontinue opioids during rehab stay. Conclusion: Opioid utilization and management in the setting of opioid stewardship across inpatient rehab and transitions of care were characterized. Opportunities exist for further quality improvement initiatives within inpatient rehabilitation and acute care settings to identify and support patients with complex pain management needs.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».