Characteristics and Incidence of Opioid Analgesic Initiations to Opioid Naïve Patients in a Canadian Primary Care Setting
Notice bibliographique
Résumé
ABSTRACT Objective: To examine characteristics and incidence of opioid analgesic initiations to opioid naïve patients in a Canadian primary care setting. Methods: This is a population-based cross-sectional study, outlining an analysis of health administrative data recorded in a centralized medication monitoring database (PharmaNet) covering 96% of population in British Columbia, Canada. From the PharmaNet database, 5657 doctors (87% of all practicing family physicians) were selected on the bases of (1) having been currently treating patients (defined as having written at least 25 prescriptions, for any drug, in preceding 12 months); and (2) having prescribed at least 1 opioid during study period. The primary outcome measure is incidence of new starts for opioid analgesics in opioid naïve people, stratified by several important prescriber and regional characteristics (eg, graduation year, geographical location). Results: Between December 1, 2018 and November 30, 2019, there were 139,145 opioid initiations to opioid naïve patients. The mean monthly initiation rate was 2.05 prescriptions per physician. Most initiations were in Lower Mainland regions of British Columbia, also where the population is most concentrated (46,456, 33% in the Fraser region), by prescribers who graduated between 1986 and 1995 (39,601, 28%), and had less than 10 patient visits per day (72,506, 52%). Conclusions: From data presented in this study, it appears that the rate of opioid analgesic initiations in primary care remains unchanged. Individualized prescribing interventions targeted at physicians are urgently needed considering the current opioid epidemic and known links with opioid analgesics that raise concerns about the potential to cause harm. Objectif: Examiner les caractéristiques et l’incidence des initiations aux analgésiques opioïdes chez les patients n’ayant jamais utilisés d’opioïdes dans le cadre de soins primaires au Canada. Méthodes: Il s’agit d’une étude transversale basée sur la population, décrivant une analyse des données administratives sur la santé. Cette base de données centralisée de surveillance de médication enregistrée dans PharmaNet couvre 96% de la population de la Colombie-Britannique (C.-B.), Canada. De cette base de données PharmaNet, 5 657 médecins (87% de tous les médecins de famille praticiens) ont été sélectionnés sur les bases (1) du fait qu’ils traitaient actuellement des patients (définis comme ayant écrit au moins 25 ordonnances, de tout médicament, au cours des 12 derniers mois); et (2) d’avoir prescrit au moins un opioïde au cours de la période d’étude. Le résultat principal de cette étude est la mesure de l’incidence des nouvelles consommation d’analgésiques opioïdes chez les personnes n’ayant jamais pris d’opioïdes, stratifiée par plusieurs prescripteurs importants et régionaux caractérisés (par exemple l’année d’obtention du diplôme, la situation géographique). Résultats: Entre le 1er décembre 2018 et le 30 novembre 2019, il y a eu 139 145 initiations aux opioïdes chez des patients n’ayant jamais pris d’opioïdes. La moyenne mensuelle du taux d’initiation était de 2.05 prescriptions par médecin. La plupart des initiations ont eu lieu dans les régions du Lower Mainland de la Colombie-Britannique, également là où la population est la plus concentrée (46 456, 33% dans la région de Fraser), par des prescripteurs diplômés entre 1986 et 1995 (39 601, 28%) et ayant moins de 10 visites de patients par jour (72 506, 52%). Conclusions: D’après les données présentées dans cette étude, il semble que le taux d’initiation aux analgésiques opioïdes en soins primaires reste inchangé. Des interventions de prescriptions individualisées ciblant les médecins sont absolument nécessaires, compte tenu de l’épidémie actuelle d’opioïdes et des liens connus avec les analgésiques opioïdes qui soulèvent des inquiétudes quant à la possibilité de causer des dommages.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».