Opioid prescribing practices in trauma patients at discharge: An exploratory retrospective chart analysis
Notice bibliographique
Résumé
This study examined the opioid prescribing patterns at discharge in the trauma center of a major Canadian hospital and compared them to the guidelines provided by the Illinois surgical quality improvement collaborative (ISQIC), a framework that has been recognized as being associated with reduced risk. This was a retrospective chart review of patient data from the trauma registry between January 1, 2018, and October 31, 2019. A total of 268 discharge charts of naïve opioid patients were included in the analysis. A Morphine Milligram Equivalents per day (MME/day) was computed for each patient who was prescribed opioids and compared with standard practice guidelines. About 75% of patients were prescribed opioids. More males (75%) than females (25%) were prescribed opioids to patients below 65 years old (91%). Best practice guidelines were followed in most cases. Only 16.6% of patients were prescribed over 50 mg MME/day, the majority (80.9%) were prescribed opioids for =<3 days and only 1% for >7 days. Only 7.5% were prescribed extended-release opioids and none were strong like fentanyl. Patients received a multimodal approach with alternatives to opioids in 88.9% of cases and 82.9% had a plan for opioid discontinuation. However, only 23.6% received an acute pain service referral. The majority of the prescriptions provided adhered to the best practice guidelines outlined by the ISQIC framework. These results are encouraging with respect to the feasibility of implementing opioid prescription guidelines effectively. However, routine monitoring is necessary to ensure that adherence is maintained.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».