Trends in Opioid Medication Adherence During the COVID-19 Pandemic: Retrospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND: The recent pandemic had the potential to worsen the opioid crisis through multiple effects on patients' lives, such as the disruption of care. In particular, good levels of adherence with respect to medication for opioid use disorder (MOUD), recognized as being important for positive outcomes, may be disrupted. OBJECTIVE: This study aimed to investigate whether patients on MOUD experienced a drop in medication adherence during the recent COVID-19 pandemic. METHODS: This retrospective cohort study used Medicaid claims data from 6 US states from 2018 until the start of 2021. We compared medication adherence for people on MOUD before and after the beginning of the COVID-19 pandemic in March 2020. Our main measure was the proportion of days covered (PDC), a score that measures patients' adherence to their MOUD. We carried out a breakpoint analysis on PDC, followed by a patient-level beta regression analysis with PDC as the dependent variable while controlling for a set of covariates. RESULTS: A total of 79,991 PDC scores were calculated for 37,604 patients (age: mean 37.6, SD 9.8 years; sex: n=17,825, 47.4% female) between 2018 and 2021. The coefficient for the effect of COVID-19 on PDC score was -0.076 and was statistically significant (odds ratio 0.925, 95% CI 0.90-0.94). CONCLUSIONS: The COVID-19 pandemic was negatively associated with patients' adherence to their medication, which had declined since the beginning of the pandemic.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».