Regional and Temporal Variation in Receipt of Gabapentinoid and SSRI/SNRI Therapy Among Older Cancer Survivors in the United States
Notice bibliographique
Résumé
Opioids and benzodiazepines (BZD) are commonly prescribed for older cancer survivors with co-occurring pain and anxiety. The prescribing rate of gabapentinoids (GABA), Selective Serotonin Reuptake Inhibitors (SSRIs), and Serotonin-Norepinephrine Reuptake Inhibitors (SNRIs) in the general population has increased as opioid/BZD alternatives, but little is known on temporal/regional trends in use of these alternatives among older cancer survivors. A retrospective cohort study using SEER-Medicare data was conducted. Patients aged ≥ 66 years, diagnosed with breast, colorectal, prostate, or lung cancer as their first cancer diagnosis any time from 2000 to 2015 and who were alive more than 5 years after cancer diagnosis, were eligible for inclusion. Temporal trends varied by region (p < 0.0001) and opioid-naïve status (p < 0.0001). Compared to 2013, GABA and SNRI use increased, while BZD and opioid use decreased. All regions experienced declines in opioid use. From 2013 to 2018, all regions saw an increase in GABA use, with a decline in 2020. GABA prescriptions increased more in opioid-naïve groups compared to non-opioid-naïve patients. The yearly trends in GABA and SSRI/SNRI use varied by region among older cancer survivors. Clinical practice variation suggests needs for further research on improving consistency and quality of cancer care.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».