Predictors of fatal and nonfatal overdose after prescription of opioids for chronic pain: a systematic review and meta-analysis of observational studies
Notice bibliographique
Résumé
BACKGROUND: Higher doses of opioids, mental health comorbidities, co-prescription of sedatives, lower socioeconomic status and a history of opioid overdose have been reported as risk factors for opioid overdose; however, the magnitude of these associations and their credibility are unclear. We sought to identify predictors of fatal and nonfatal overdose from prescription opioids. METHODS: We systematically searched MEDLINE, Embase, CINAHL, PsycINFO and Web of Science up to Oct. 30, 2022, for observational studies that explored predictors of opioid overdose after their prescription for chronic pain. We performed random-effects meta-analyses for all predictors reported by 2 or more studies using odds ratios (ORs) and 95% confidence intervals (CIs). RESULTS: Twenty-eight studies (23 963 716 patients) reported the association of 103 predictors with fatal or nonfatal opioid overdose. Moderate- to high-certainty evidence supported large relative associations with history of overdose (OR 5.85, 95% CI 3.78-9.04), higher opioid dose (OR 2.57, 95% CI 2.08-3.18 per 90-mg increment), 3 or more prescribers (OR 4.68, 95% CI 3.57-6.12), 4 or more dispensing pharmacies (OR 4.92, 95% CI 4.35-5.57), prescription of fentanyl (OR 2.80, 95% CI 2.30-3.41), current substance use disorder (OR 2.62, 95% CI 2.09-3.27), any mental health diagnosis (OR 2.12, 95% CI 1.73-2.61), depression (OR 2.22, 95% CI 1.57-3.14), bipolar disorder (OR 2.07, 95% CI 1.77-2.41) or pancreatitis (OR 2.00, 95% CI 1.52-2.64), with absolute risks among patients with the predictor ranging from 2-6 per 1000 for fatal overdose and 4-12 per 1000 for nonfatal overdose. INTERPRETATION: We identified 10 predictors that were strongly associated with opioid overdose. Awareness of these predictors may facilitate shared decision-making regarding prescribing opioids for chronic pain and inform harm-reduction strategies SYSTEMATIC REVIEW REGISTRATION: Open Science Framework (https://osf.io/vznxj/).
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 | 0,018 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,038 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».