Patterns of publicly funded naltrexone use among patients diagnosed with alcohol use disorder in Ontario
Notice bibliographique
Résumé
AIMS: Naltrexone is recommended first-line to manage alcohol use disorder (AUD). With previous studies indicating poor retention on naltrexone, we determined duration of naltrexone use and assessed the association between prescription setting and time to discontinuation in Ontario. METHODS: We conducted a retrospective population-based cohort study among Ontario public drug beneficiaries diagnosed with AUD who initiated publicly funded naltrexone from June 2018 to September 2019. The primary outcome was time to naltrexone discontinuation, with a secondary analysis assessing receipt of at least one prescription refill. We used Cox proportional hazards models and logistic regression to test the association between prescription setting and each medication persistence outcome. RESULTS: Among 2531 new naltrexone patients with AUD, the median duration of naltrexone use was 31 days and 394 (15.6%) continued naltrexone for 6 months or longer. There was no association between setting of initiation and duration of naltrexone use; however, those initiating naltrexone following an acute inpatient hospital stay were more likely to fill a second prescription (aOR 1.43, 95% CI 0.96-2.14), while those initiating after an ED visit were less likely to be dispensed a second prescription (aOR = 0.69, 95% CI 0.52-0.90) compared to those starting in a physician's office. CONCLUSION: Persistence on naltrexone to treat an AUD is low, regardless of the setting of initiation. Further research is needed to elucidate the barriers encountered by patients with AUD that lead to poor treatment persistence in order to develop interventions that facilitate patient-centered access to evidence-based treatment for AUD in the province.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».