The opioid epidemic: A worldwide exploratory study using the WHO pharmacovigilance database
Notice bibliographique
Résumé
Abstract Background and Aims The current opioid epidemic in the United States began 20 years ago and has become the leading cause of accidental deaths in the country. This crisis prompted us to explore trends in opioid abuse and dependence worldwide. We sought to identify other countries at high‐risk of opioid use disorders, using the World Health Organization's (WHO) pharmacovigilance database. Methods We performed a disproportionality analysis using VigiBase, the WHO Global Individual Case Safety Report (ICSR) database. Five opioids used worldwide were included: oxycodone, fentanyl, morphine, tramadol, and codeine. We extracted all ICSRs associated with the drugs of interest, considered as suspect medication and recorded up until 5 June 2021, using the narrow Standardised MedDRA Query (SMQ) for drug abuse and dependence. Countries with at least one ICSR for each of the five opioids were retained. The relationship between the use of a drug (i.e. an opioid) and the occurrence of an adverse drug reaction (i.e. drug abuse and dependence) for each country was assessed by calculating the information component (IC) and its 99.9% CI [IC 0005 ; IC 9995 ], using a quasi‐Bayesian confidence propagation neural network (BCPNN). A hierarchical cluster analysis (Ward's method) of the IC 0005 value for each of the five opioids was performed to identify subgroups of countries with similar reported risks of opioid abuse and dependence. Results Among 21 countries, the optimal number of clusters was calculated to be four, each with a Jaccard index >0.5 (0.95, 0.78, 0.65 and 0.75, respectively). Six countries with the highest signals of drug abuse and dependence were identified in cluster 1, with significant CIs for the five opioids of interest (IC 0005 > 0), ranging from 0.9 to 5.8 for the lower endpoint. Conclusions There appear to be four distinct clusters of countries with similar opioid abuse and dependence profiles. The group with the highest reported risk for the opioids oxycodone, fentanyl, morphine, tramadol and codeine includes Australia, Canada, France, Germans, the United Kingdom and the United States.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 ».