Scheduled and Breakthrough Opioid Use for Cancer Pain in an Inpatient Setting at a Tertiary Cancer Hospital
Notice bibliographique
Résumé
Background: Our aim was to examine the frequency and prescription pattern of breakthrough (BTO) and scheduled (SCH) opioids and their ratio (BTO/SCH ratio) of use, prior to and after referral to an inpatient supportive care consult (SCC) for cancer pain management (CPM). Methods and Materials: Patients admitted at the MD Anderson Cancer Center and referred to a SCC were retrospectively reviewed. Cancer patients receiving SCH and BTO opioids for ≥24 h were eligible for inclusion. Patient demographics and clinical characteristics, including the type and route of SCH and BTO opioids, daily opioid doses (MEDDs) of SCH and BTO, and BTO/SCH ratios were reviewed in patients seen prior to a SCC (pre-SCC) and during a SCC. A normal BTO ratio was defined as 0.5–0.2. Results: A total of 665/728 (91%) patients were evaluable. Median pain scores (p < 0.001), BTO MEDDs (p < 0.001), scheduled opioid MEDDs (p < 0.0001), and total MEDDs (p < 0.0001) were higher, but the median number of BTO doses was fewer (2 vs. 4, p < 0.001), among patients seen at SCC compared to pre-SCC. A BTO/SCH ratio over the recommended ratio (>0.2) was seen in 37.5% of patients. The BTO/SCH ratios in the pre-SCC and SCC groups were 0.10 (0.04, 0.21) and 0.17 (0.10, 0.30), respectively, p < 0.001. Hydromorphone and Morphine were the most common BTO and SCH opioids prescribed, respectively. Patients in the early supportive care group had higher pain scores and MEDDs. Conclusions: BTO/SCH ratios are frequently prescribed higher than the recommended dose. Daily pain scores, BTO MEDDs, scheduled opioid MEDDs, and total MEDDs were higher among the SCC group than the pre-SCC group, but the number of BTO doses/day was lower.
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) | 0,000 | 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 ».