MétaCan
Menu
Retour à la cohorte
Enregistrement W4386823739 · doi:10.1200/op.23.00034

Opioid Monitoring Using Urine Toxicology Screens in Outpatient Oncology Palliative Medicine

2023· article· en· W4386823739 sur OpenAlexaboutno aff
Jai N. Patel, Elizabeth Jandrisevits, Danielle Boselli, Tiffany Michalowski, Armida Parala‐Metz, Declan Walsh

Notice bibliographique

RevueJCO Oncology Practice · 2023
Typearticle
Langueen
DomaineMedicine
ThématiquePain Management and Opioid Use
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineOxycodoneInternal medicineOpioidUrineMedical prescriptionOdds ratioPalliative careLogistic regressionEmergency medicinePharmacology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: There is a paucity of real-world data on opioid screening and urine toxicology testing in outpatient oncology palliative medicine. METHODS: This was a retrospective analysis of adult patients with cancer completing ≥ one outpatient palliative medicine visit and the Edmonton Symptom Assessment Scale (ESAS). Patient demographics, the Screener and Opioid Assessment for Patients with Pain-Short Form (SOAPP-SF), ESAS, medications, and urine toxicology screens (UTSs) were collected at baseline and follow-up visits. The primary end point was the frequency and type(s) of noncompliant UTSs (ie, presence of a nonprescribed substance or absence of a prescribed substance). Secondarily, risk factors for noncompliant UTSs were evaluated using univariate and multivariable logistic regression. RESULTS: = .029) were associated with increased odds of a noncompliant UTS. CONCLUSION: More than half of the tested population had noncompliant UTS. Screening and evaluating risk factors for nonmedical opioid use is critical in oncology palliative medicine.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,517
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,120
Tête enseignante GPT0,448
Écart entre enseignants0,327 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJCO Oncology PracticeMême sujetPain Management and Opioid UseTravaux en français237 207