Postdischarge opioid use after lumbar spine surgery among older adults in Ontario: a population-based cohort study
Notice bibliographique
Résumé
BACKGROUND: Prescription opioid use places a considerable economic burden on health care systems. Older patients undergoing surgical procedures for painful conditions commonly receive opioids pre- and postoperatively, and are susceptible to adverse reactions. This study explores predictors of prolonged postoperative opioid use among older patients after lumbar spine surgery and the consequences in terms of health care utilization and costs. METHODS: We conducted a retrospective population-based cohort study using Ontario administrative data from older adults undergoing spine surgery between 2006 and 2017. Data were analyzed from 90 days preoperatively to 1 year after hospital discharge, with last postoperative opioid prescriptions stratified into 90-day increments. We used multivariable ordinal logistic regression to identify predictors of long-term opioid use and generalized linear modelling to examine resource utilization and health care costs (2021 Canadian dollars). RESULTS: Of 15 109 patients included, 40.8% received preoperative opioid prescriptions. Preoperative opioid use strongly predicted prolonged postoperative use (odds ratio [OR] 4.47, 95% confidence interval [CI] 4.16-4.79), with 48.3% of patients who received preoperative opioids continuing to use opioids for longer than 9 months, relative to 12.7% of those without preoperative use. Several other risk factors for prolonged use were identified. Patients receiving long-term postoperative opioids incurred greater health care costs relative to those with opioids prescribed for fewer than 90 days (OR 1.49, 95% CI 1.44-1.54). CONCLUSION: Among older adults undergoing spine surgery, preoperative opioid use was a strong predictor of prolonged postoperative use, which was associated with increased health care costs. These results form an important baseline for future studies evaluating strategies to reduce opioid use targeting older surgical populations.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».