Trends in prescription opioid use for pain in Canada: a population-based repeated cross-sectional study of 6 provinces
Notice bibliographique
Résumé
BACKGROUND: National information on prescription opioid use in Canada is lacking. We sought to examine trends in the incidence and prevalence of prescription opioid dispensing for pain in Canada. METHODS: We conducted a population-based repeated cross-sectional analysis of pharmacy dispensing data from 6 provinces, which captured data from around 80% of Canada's population, between Jan. 1, 2018, and Dec. 31, 2022. We reported monthly population-adjusted rates of new and prevalent recipients of prescription opioids by province and annual provincial population-adjusted rates overall and by age, sex, neighbourhood income quintile, and location of residence. We calculated the proportion of incident recipients receiving guideline-recommended initial opioid doses and prevalent recipients receiving specific opioids indicated for pain (i.e., codeine, hydromorphone, oxycodone, morphine, and fentanyl). RESULTS: Between 2018 and 2022, the annual incidence and prevalence of prescription opioid dispensing declined by 7.9% and 11.1%, respectively, across all provinces, with monthly trends showing that Manitoba consistently had the highest, and British Columbia the lowest, rates of prevalent opioid use. In 2022, we found 1 818 680 incident and 2 770 268 prevalent recipients, with incidence ranging from 55.2 (Ontario) to 63.0 (Alberta) per 1000 population and prevalence ranging from 85.1 (Saskatchewan) to 96.3 (Alberta) per 1000 population. Annual rates were higher among females, older adults, and people living in lower-income neighbourhoods and rural regions of Canada. Initial daily doses greater than 50 mg morphine equivalents declined over time, with provincial and temporal differences in the types of opioids prescribed. INTERPRETATION: Declines in initiation and overall dispensing of prescription opioids for pain between 2018 and 2022 aligned with national efforts to promote appropriate opioid prescribing for acute and chronic noncancer pain in Canada.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».