Are we missing the opioid consumption in low- and middle-income countries?
Notice bibliographique
Résumé
OBJECTIVES: The rise in opioid prescriptions with a parallel increase in opioid use disorders remains a significant challenge in some developed countries (opioid epidemic). However, little is known about opioid consumption in low- and middle-income countries (LMICs). In this short report, we aim to discuss the increase in opioid consumption in LMICs by providing an update on the opioid perspective in Brazil. METHODS: We analyzed opioid sales on the publicly available Brazilian Health Regulatory Agency (ANVISA) database from 2015 to 2020. RESULTS: In Brazil, opioid sales increased 34.8 %, from 8,839,029 prescriptions in 2015 to 11,913,823 prescriptions in 2020, this represents an increase from 44 to 56 prescriptions for every 1,000 inhabitants. Codeine phosphate combined with paracetamol and tramadol hydrochloride were the most common opioids prescribed with an increase each year. CONCLUSIONS: The results suggest that opioid prescriptions are rising in Brazil in a 5 years period. Brazil may have a unique opportunity to learn from other countries and develop consistent policies and guidelines to better educate patients and prescribers and to prevent an opioid crisis.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».