Alcohol-Related Care Among Veterans With Unhealthy Alcohol Use: The Role of Long-Term Opioid Therapy Receipt
Notice bibliographique
Résumé
OBJECTIVES: Long-term opioid therapy (LTOT) is potentially dangerous among patients with unhealthy alcohol use because of possible adverse interactions. We examined receipt of alcohol-related care among patients with unhealthy alcohol use receiving LTOT and without opioid receipt. METHODS: We use data collected from 2009 to 2017 in the Women Veterans Cohort Study, a national cohort of Veterans engaged in Veterans Health Administration care. We included patients who screened positive for unhealthy alcohol use (score ≥5) using the Alcohol Use Disorder Identification Consumption questionnaire. Our primary exposure was LTOT (receipt of prescribed opioids for ≥90 days) versus no opioid receipt at the time of the first positive Alcohol Use Disorder Identification Consumption. Our primary outcome was receipt of brief intervention within 14 days of positive alcohol screen. Unadjusted and 4 adjusted modified Poisson regression models assessed prevalence and relative rates (RRs) of outcomes. RESULTS: Among eligible veterans, 6222 of 113,628 (5.5%) received LTOT at screening. Among patients receiving LTOT, 67.5% (95% confidence interval [CI], 66.3%-68.6%) had a documented brief intervention within 14 days of positive screen, compared with 70.1% (95% CI, 69.8%-70.4%) among patients without opioid receipt (RR, 0.96; 95% CI, 0.95-0.98; P < 0.001). Within adjusted models, the rate of brief intervention among patients receiving LTOT remained lower than patients without opioid receipt. CONCLUSIONS: Among patients with unhealthy alcohol use, patients receiving LTOT had significantly lower rates of brief intervention receipt compared with those without opioid receipt, and they should be a focus for interventions to improve alcohol-related care and safer opioid 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 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 | 0,001 |
| 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 | 0,001 |
| 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 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 ».