Time trends and patterns in opioid prescription use following orthopaedic surgery in Ontario, Canada, from 2004/2005 to 2017/2018: a population-based study
Notice bibliographique
Résumé
OBJECTIVES: Increased use of opioids and their associated harms have raised concerns around prescription opioid use for pain management following surgery. We examined trends and patterns of opioid prescribing following elective orthopaedic surgery. DESIGN: Population-based study. SETTING: Ontario, Canada. PARTICIPANTS: Ontario residents aged 66+ years who had elective orthopaedic surgery from April 2004 to March 2018. PRIMARY AND SECONDARY OUTCOME MEASURES: Postoperative opioid use (short term: within 90 days of surgery, prolonged: within 180 days and chronic: within 1 year), specific opioids prescribed, average duration (days) and amount (morphine milligram equivalents) of the initial prescription by year of surgery. RESULTS: We included 464 460 elective orthopaedic surgeries in 2004/2005-2017/2018: 80% of patients used opioids within 1 year of surgery-25.1% were chronic users. There was an 8% increase in opioid use within 1 year of surgery, from 75.1% in 2004/2005 to 80.9% in 2017/2018: a 29% increase in short-term use and a decline in prolonged (9%) and chronic (22%) use. After 2014/2015, prescribed opioid amounts initially declined sharply, while the duration of the initial prescription increased substantially. Across categories of use, there was a steady decline in coprescription of benzodiazepines and opioids. CONCLUSIONS: Most patients filled opioid prescriptions after surgery, and many continued filling prescriptions after 3 months. During a period of general increase in awareness of opioid harms and dissemination of guidelines/policies aimed at opioid prescribing for chronic pain, we found changes in prescribing practices following elective orthopaedic surgery. Findings illustrate the potential impact of guidelines/policies on shaping prescription patterns in the surgical population, even in the absence of specific guidelines for surgical prescribing.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| 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 | 0,000 | 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 ».