Reducing opioid use for chronic non-cancer pain in primary care using an evidence-based, theory-informed, multistrategic, multistakeholder approach: a single-arm time series with segmented regression
Notice bibliographique
Résumé
BACKGROUND: Many countries have high opioid use among people with chronic non-cancer pain. Knowledge about effective interventions that could be implemented at scale is limited. We designed a national intervention that included audit and feedback, deprescribing guidance, information on catastrophising assessment, pain neuroscience education and a cognitive tool for use by patients with their healthcare providers. METHOD: We used a single-arm time series with segmented regression to assess rates of people using opioids before (January 2015 to September 2017), at the time of (October 2017) and after the intervention (November 2017 to August 2019). We used a cohort with historical comparison group and log binomial regression to examine the rate of psychologist claims in opioid users not using psychologist services prior to the intervention. RESULTS: 13 968 patients using opioids, 8568 general practitioners, 8370 pharmacies and accredited pharmacists and 689 psychologists were targeted. The estimated difference in opioid use was -0.51 persons per 1000 persons per month (95% CI -0.69, -0.34; p<0.001) as a result of the intervention, equating to 25 387 (95% CI 24 676, 26 131) patient-months of opioid use avoided during the 22-month follow-up. The targeted group had a significantly higher rate of incident patient psychologist claims compared with the historical comparison group (rate ratio: 1.37, 95% CI 1.16, 1.63; p<0.001), equating to an additional 690 (95% CI 289, 1167) patient-months of psychologist treatment during the 22-month follow-up. CONCLUSIONS: Our intervention addressed the cognitive, affective and sensory factors that contribute to pain and consequent opioid use, demonstrating it could be implemented at scale and was associated with a reduction in opioid use and increasing utilisation of psychologist services.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».