S1-4 Keynote lecture: ‘balance at the bedside’—optimizing benefits and minimizing risk through best practices
Notice bibliographique
Résumé
For those with active cancer, particularly in the advanced phases of illness, opioids are the mainstay treatment for moderate or severe chronic pain. In this context, the potential for benefit when these drugs are used appropriately usually outweighs the risks of side effects, toxicities, and the potential for abuse or addiction. Even in the context of advanced illness, however, clinicians must balance the potential for risk and benefit during opioid therapy, assess risk, and make decisions about drug selection and dosing that minimizes the likelihood of adverse outcomes. Palliative care specialists generally endorse a similar view about pain in populations with other types of advanced illness—opioids are the first-line for chronic moderate or severe pain, but again, risk and benefit must be assessed and techniques used to minimize risk. When cancer or other serious illnesses are not advanced, the potential for adverse opioid effects over longer periods of administration may shift the approach to opioid treatment, emphasizing trials of non-opioid analgesics, concurrent treatments that may reduce opioid requirements, and when opioids are used, greater caution in the selection of drugs and dosing. This approach to risk assessment and techniques to minimize risk applies to all adverse opioid effects, but the most important consideration in the U.S. and some other countries is the risk of abuse and addiction. This lecture begins with a brief discussion of the pharmacological toxicities associated with opioids and an approach to risk management that responds to side effects that are commonly recognized, such as constipation and mental clouding, and those that are less often assessed, such as neuroendocrine effects. The focus then shifts to drug abuse and addiction. The relevant phenomena are described and a stepwise approach is introduced for risk minimization. This approach is appropriately considered whenever opioids are used, including the context of advanced illness. It is a type of universal precautions based on stratifying the risk of abuse and addiction, making informed decision making about opioid selection and dosing, monitoring drug-related outcomes over time, and managing problematic behaviors if they occur.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,008 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,230 | 0,111 |
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 source (Gemma direct ou Codex distillé), 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 ».