Abuse-deterrent formulations and opioid-related harms in North Carolina, 2010-2018
Notice bibliographique
Résumé
Abuse-deterrent formulations of opioid analgesics (ADFs) were introduced to reduce opioid-related harms among pain patients, but postmarketing study results have been mixed. However, these studies may be subject to bias from selection criteria, comparator choice, and potential confounding by "indication," highlighting the need for thorough study design considerations. In a sample of privately insured patients prescribed ADF or non-ADF extended-release/long-acting (ER/LA) opioids in North Carolina, we implemented a version of the prevalent new-user design to evaluate the relationship between ADFs and opioid use disorder (OUD, n = 235) and opioid overdose (n = 18) through 6 months of follow-up using inverse probability-weighted cumulative incidence functions and Fine-Gray models. The weighted hazard ratio (HRw) of opioid overdose among patients initiating ADFs was 0.87 (95% CI, 0.23-3.24) times as high as among patients who initiated, restarted, or continued non-ADF ER/LA opioids. We observed a short-term benefit of ADFs for incident OUD (HRw = 0.58; 95% CI, 0.35-0.93) compared to non-ADF ER/LA opioids in the first 6 weeks of follow-up, but this benefit disappeared later in follow-up (HRw = 1.30; 95% CI, 0.86-1.95). In summary, our findings add to the expanding body of evidence that there is no clear long-term reduction in harm from ADF opioids among patients in outpatient use. This article is part of a Special Collection on Pharmacoepidemiology.
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 | 0,004 |
| 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) | 0,002 | 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 ».