Labeled NSAID hypersensitivity and the risk of opioid prescribing; an observational study
Notice bibliographique
Résumé
Background NSAIDs are widely used for pain management but are second only to antibiotics in causing drug hypersensitivity reactions. Misclassification of these reactions often leads to unnecessary avoidance of the entire drug class, potentially resulting in increased opioid prescribing. This study aimed to assess the prevalence and characteristics of NSAID hypersensitivity, cross-reactivity patterns, and the association between NSAID hypersensitivity and opioid prescribing. The use of COX-2 selective inhibitors as a safe alternative was also explored. Methods A retrospective cohort study was conducted at a tertiary care hospital, including patients with documented NSAID hypersensitivity between 2016 and 2023. Data on demographics, hypersensitivity reactions, NSAID cross-reactivity, and opioid prescriptions were collected. Patients with penicillin hypersensitivity were included for comparison. Logistic regression was used to analyze the association between NSAID hypersensitivity and opioid prescribing. Results Among 319 patients with NSAID hypersensitivity, 30% ( n = 96) were classified as true allergy, 12.5% ( n = 40) as pseudo-allergy, and 57% ( n = 183) were unclassified. Cross-reactivity between NSAIDs was observed in 13%, although 52% tolerated at least one other NSAID. Patients with NSAID hypersensitivity were 62% more likely to be prescribed opioids compared to those with penicillin hypersensitivity [adjusted OR 1.62 (95% CI: 1.40–1.88), p < 0.001]. Celecoxib was underutilized, prescribed to only 10% of hypersensitive patients. Conclusion NSAID hypersensitivity is associated with increased opioid prescribing due to class-wide avoidance. Despite concerns about cross-reactivity, many patients can tolerate alternative NSAIDs. Improved classification tools and clinical decision support systems are needed to guide prescribers.
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 ».