New opioid use and risk of opioid-related adverse events among adults with intellectual and developmental disabilities in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Individuals with intellectual and developmental disability (IDD) can have a high prevalence of pain, which can be managed with prescription opioids. However, the prevalence of substance use disorder is also high in this population, raising concern about opioid-related adverse events. AIMS: To assess the risk of opioid-related adverse events following opioid initiation among adults with versus without IDD. METHOD: We conducted a population-based, propensity score matched cohort study on all adults starting prescription opioid therapy in Ontario, Canada, between January 2013 and December 2018. The outcomes of interest were opioid toxicity, new opioid use disorder (OUD) diagnosis and dose escalation (≥90 mg morphine or equivalent) in the year after opioid initiation. We used Cox proportional hazards models to assess the association between IDD diagnosis and each outcome. RESULTS: The hazards of opioid toxicity and OUD were significantly higher in those with IDD compared with those without IDD in unmatched analyses (opioid toxicity hazard ratio 3.19, 95% CI 2.81-5.18; OUD hazard ratio 2.36, 95% CI 2.10-2.65), whereas the hazard of dose escalation was significantly lower (hazard ratio 0.76, 95% CI 0.66-0.88). Findings were no longer significant in propensity score matched models for opioid toxicity and dose escalation, whereas the hazard of OUD diagnosis was attenuated substantially in those with IDD (hazard ratio 0.79, 95% CI 0.68-0.91). CONCLUSIONS: IDD diagnosis is not a driver of opioid-related harm. The increased risk we observed is likely driven by various risk factors often present in this population.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,012 | 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 ».