Opioid-containing antitussives in Switzerland: a descriptive cross-sectional time-series analysis of pharmacy sales 2013–2022
Notice bibliographique
Résumé
BACKGROUND: Opioid-containing antitussives are used to symptomatically treat a dry, irritative cough but bring a risk of misuse as recreational drugs. Since the update of the Swiss Therapeutic Products Act in 2019, opioid-containing antitussives are regulated more strictly, being available only on prescription and no longer over the counter. AIM: This study aimed to describe the sales trends of opioid-containing antitussives in Switzerland between 2011 and 2022 to assess the impact of the regulation change. METHODS: We descriptively analysed cross-sectional data of opioid sales from wholesalers to pharmacies and self-dispensing physicians as an indicator of community use. MAIN FINDINGS: An estimated 369 million standard units of opioid-containing antitussives were sold over the whole observation period, of which 59% contained dextromethorphan as the active ingredient. Sales decreased slowly between 2011 and 2019, then dropped substantially in 2020 (-30.4% compared to previous year) and 2021 (-15.2%), then partially recovered in 2022. The sales of codeine-containing antitussives did not recover until the end of the study period (quarter 3 of 2022) and remained 37.3% lower than before the rescheduling (quarter 4 of 2018). DISCUSSION: It is likely that repeated media attention on cases of misuse of opioid-containing antitussives led to more cautious dispensing in Switzerland leading up to the revision of the Therapeutic Products Act in 2019. The substantial decrease in sales in 2020 and 2021 was likely related to the COVID-19 pandemic rather than the rescheduling of opioid-containing antitussives. Longer data collection will be needed to assess the impact of the regulation change post-pandemic.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».