Comparison of Different Modeling Approaches for Prescription Opioid Use and Its Association With Adverse Events
Notice bibliographique
Résumé
Previous research linking opioid prescribing to adverse drug events has failed to properly account for the time-varying nature of opioid exposure. This study aimed to explore how the risk of opioid-related emergency department visits, readmissions, or deaths (composite outcome) varies with opioid dose and duration, comparing different novel modeling techniques. A prospective cohort of 1,511 hospitalized patients discharged from 2 McGill-affiliated hospitals in Montreal, 2014-2016, was followed from the first postdischarge opioid dispensation until 1 year after discharge. Marginal structural Cox proportional hazards models and their flexible extensions were used to explore the association between time-varying opioid use and the composite outcome. Weighted cumulative exposure models assessed cumulative effects of past use and explored how its impact depends on the recency of exposure. The patient mean age was 69.6 (standard deviation = 14.9) years; 57.7% were male. In marginal structural model analyses, current opioid use was associated with a 71% increase in the hazard of opioid-related adverse events (adjusted hazard ratio = 1.71, 95% confidence interval: 1.21, 2.43). The weighted cumulative exposure results suggested that the risk cumulates over the previous 50 days of opioid consumption. Flexible modeling techniques helped assess how the risk of opioid-related adverse events may be associated with time-varying opioid exposures while accounting for nonlinear relationships and the recency of past use.
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 | 0,020 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,005 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».