Quantifying unused opioids following emergency and ambulatory care: A systematic review and meta‐analysis
Notice bibliographique
Résumé
Objective To quantify unused opioids among adult and pediatric patients discharged from the emergency department (ED) or ambulatory care settings with a prescription for acute pain. Methods We searched MEDLINE, Embase, CINHAL, PsycINFO, the Cochrane Library, and the gray literature from inception to April 29, 2021. We included observational studies in which any patient with an acutely painful condition received a prescription for an opioid on discharge from an outpatient care setting, and unused opioids were quantified. Two reviewers screened records for eligibility, extracted data, and conducted the quality assessment. Where possible, we pooled data and otherwise described the results of studies narratively. Total unused prescriptions were synthesized using a weighted average. Random effects models were used, and heterogeneity was measured by the I2 statistic. Our primary outcome was the quantity of unused opioid medication available after receiving a prescription for acute pain. Secondary outcomes were the proportion of patients with unused opioids following a prescription, the proportion of patients using no opioids, morphine equivalents of unused opioids, and factors associated with leftover opioids. Results In this systematic review and meta-analysis of 9 studies in emergency and ambulatory care settings, 59.6% of prescribed opioids remained unused; pediatric patients had 69.3% of their prescriptions remaining, compared to 54.6% among adult patients. The highest proportion of unused opioids was found following dental extractions (82.6%). Conclusions and Relevance More than 50% of opioids remain unused following prescriptions for acute pain. Responsible prescribing must be accompanied by education on safer use, storage, and disposal.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,014 | 0,007 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».