MétaCan
Menu
← Retour à la cohorte
Enregistrement W4301183240 · doi:10.4212/cjhp.3282

Opioid Prescribing Habits of Orthopedic Surgeons Following Total Hip Arthroplasty and Total Knee Arthroplasty: A Pilot Study

2022· article· en· W4301183240 sur OpenAlexaffvenue
Carter VanIderstine, Michael Dunbar, Emily Johnston

Notice bibliographique

RevueThe Canadian Journal of Hospital Pharmacy · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensNova Scotia Health AuthorityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésOrthopedic surgeryMedicineArthroplastyTotal knee arthroplastyOpioidTotal hip replacementTotal hip arthroplastyPhysical therapyHip arthroplastyGeneral surgerySurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: Adequate pain management is important in patients’ recovery from total hip arthroplasty (THA) and total knee arthroplasty (TKA). Objective: To determine whether risk factors for prolonged opioid use are considered when discharge prescriptions for postoperative pain are written following THA and TKA. Methods: Opioid prescriptions written between June 14 and July 9, 2021, for patients who underwent THA or TKA were analyzed. Data were also collected on the patients’ age, sex, type of surgery, type of anesthesia (regional or general), preoperative use of opioids, and preoperative use of antidepressants. Results: Among the 59 patients included in the study, the most common prescriptions were for hydromorphone 2 mg (n = 15, 25%) and hydromorphone 1 mg (n = 15, 25%). At discharge, patients received a median of 400 morphine milligram equivalents (MMEs). There was no significant difference in the quantity of opioids (MMEs) prescribed at discharge in relation to surgery type (p = 0.63), sex (p = 0.44), preoperative antidepressant use (p = 0.22), or preoperative opioid use (p = 0.97). There also appeared to be no correlation between a patient’s age and MMEs at discharge (p = 0.21; r2 = 0.028). None of these variables could be used to predict which patients would receive more than 400 MMEs. Conclusions: Patient-specific factors appeared not to be taken into consideration when opioids were prescribed for postoperative pain among patients who underwent THA or TKA. RÉSUMÉ Contexte : Une gestion adéquate de la douleur est importante pour le rétablissement des patients après une arthroplastie totale de la hanche (ATH) et une arthroplastie totale du genou (ATG). Objectif : Déterminer si les facteurs de risque relatifs à l’utilisation prolongée d’opioïdes sont pris en compte lors de la rédaction d’ordonnances de congé pour douleurs postopératoires après une ATH et une ATG. Méthodes : Les prescriptions d’opioïdes rédigées entre le 14 juin et le 9 juillet 2021 pour les patients ayant subi une ATH ou une ATG ont été analysées. Des données ont également été recueillies sur l’âge, le sexe, le type de chirurgie, le type d’anesthésie (locale ou générale), l’utilisation préopératoire d’opioïdes et l’utilisation préopératoire d’antidépresseurs. Résultats : Parmi les 59 patients compris dans l’étude, les prescriptions les plus fréquentes étaient l’hydromorphone 2 mg (n = 15; 25 %) et l’hydromorphone 1 mg (n = 15; 25 %). Les patients recevaient une médiane de 400 équivalents milligrammes de morphine (MME) au moment du congé. Aucune différence significative quant à la quantité d’opioïdes (mesurée en MME) prescrits au moment du congé en fonction du type de chirurgie (p = 0,63), du sexe (p = 0,44), de l’utilisation préopératoire d’antidépresseurs (p = 0,22) ou de l’utilisation préopératoire d’opioïdes (p = 0,97) n’a été observée. Il ne semblait pas non plus y avoir de corrélation entre l’âge d’un patient et les MME au moment du congé (p = 0,21; r2 = 0,028). Aucune de ces variables ne pouvait être utilisée pour prédire quels patients recevraient plus de 400 MME. Conclusions : Les facteurs spécifiques au patient ne semblaient pas être pris en compte lors de la prescription d’opioïdes pour la douleur postopératoire chez les patients ayant subi une ATH ou une ATG.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,020
Tête enseignante GPT0,263
Écart entre enseignants0,243 · 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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Hospital Pharmacy→Même sujetOpioid Use Disorder Treatment→Travaux en français237 207→