Physician Characteristics Associated With Opioid Prescribing After Same-Day Breast Surgery in Ontario, Canada: A Population-Based Cohort Study
Notice bibliographique
Résumé
Background and Objectives: Opioid overprescribing in patients undergoing breast surgery is a concern, as evidence suggests that minimal or no opioid is needed to manage pain. We sought to describe characteristics of opioid prescribers and determine associations between prescriber's characteristics and high opioid prescribing within 7 days of same-day breast surgery. Methods: high opioid prescribing defined as >75th percentile of the mean oral morphine equivalents (OME; milligrams). Prescriber characteristics including age, sex, specialty, years in practice, practice setting, and history of high (>75th percentile) opioid prescribing in the previous year were captured. Associations between prescriber characteristics and the primary outcome were estimated in modified Poisson regression models. Results: The final cohort contained 56,434 patients, 3469 unique prescribers, and 58,656 prescriptions. Over half (1971/3469; 57%) of prescribers wrote ≥1 prescription that was >75th percentile of mean OME of 180 mg, of which 50% were family practice physicians. Adjusted mean OMEs prescribed varied by specialty with family practice specialties prescribing the highest mean OME (614 ± 38 mg) compared to surgical specialties (general surgery [165 ± 9 mg], plastic surgery [198 ± 10 mg], surgical oncology [154 ± 14 mg]). Whereas 73% of first and 31% of second prescriptions were provided by general surgery physicians, family practice physicians provided 2% of first and 51% of second prescriptions. Prescriber characteristics associated with a higher likelihood of high current opioid prescribing were family practice (risk ratio [RR], 1.56; 95% confidence interval [CI], 1.35-1.79 compared to general surgery), larger community practice setting (RR, 1.34; 95% CI, 1.05-1.71 compared to urban), and a previous high opioid prescribing behavior (RR, 2.28; 95% CI, 2.06-2.52). Conclusions: While most studies examine surgeon opioid prescribing, our data suggest that other specialties contribute to opioid overprescribing in surgical patients and identify characteristics of physicians likely to overprescribe.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| 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) | 0,002 | 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 ».