Facteurs associés à l’efficacité et à l’utilisation problématique des opioïdes lors d’une utilisation à long terme pour la douleur chronique non-cancéreuse
Bibliographic record
Abstract
La douleur chronique non-cancéreuse (DCNC) est un problème de santé qui touche environ une personne sur cinq au Canada. Elle est associée à une dégradation de la qualité de vie physique et mentale et occasionne des coûts économiques importants. Pour lutter contre la DCNC, les opioïdes ont été largement recommandés et prescrits malgré l’absence de preuves de leur efficacité à long terme, entraînant une augmentation des surdoses. Ces surdoses mais surtout celles causées par le fentanyl illicite ont fait naître une crise sanitaire, la crise des opioïdes. Pour juguler cette crise, des lignes directrices ont été émises pour encadrer de façon plus stricte la prescription d’opioïdes pour la DCNC. Cependant ces mesures peuvent constituer des barrières d’accès aux traitements pour les personnes vivant avec de la DCNC. Il est donc important de garantir un accès sécuritaire aux opioïdes à ceux qui en ont besoin pour fonctionner tout en limitant l’accès inapproprié qui alimente la crise des opioïdes. L’objectif de cette thèse était d’identifier les personnes susceptibles de bénéficier d’une utilisation efficace et sécuritaire des opioïdes à long terme et de mieux comprendre la douleur et les difficultés d’accès au traitement chez les personnes utilisatrices de drogues (PUD). Une première étude, visant à identifier les prédicteurs de l’efficacité des opioïdes à long terme, n’a pas permis de faire ressortir des caractéristiques des personnes susceptibles d’en bénéficier. Deux autres études ont permis d’étudier le nomadisme médical (doctor shopping), un indicateur d’utilisation problématique d’opioïdes, qui consiste à obtenir des ordonnances qui se chevauchent de plusieurs médecins et à les faire dispenser dans différentes pharmacies. Les résultats ont montré que cette pratique est rare chez les personnes vivant avec de la DCNC mais qu’elle peut être associée à la survenue de surdose. Les caractéristiques des personnes à risque de faire du nomadisme médical ont été identifiées permettant ainsi un meilleur suivi. Enfin, une dernière étude a montré que la DCNC est très fréquente chez les PUD et qu’une proportion importante de cette population a recours à des drogues illicites pour soulager leur douleur, courant ainsi le risque de faire une surdose. Ces études montrent la nécessité d’une médecine personnalisée tenant compte des caractéristiques et situations individuelles afin de prescrire le bon médicament à la bonne personne. En somme, ces résultats ont permis d’accroître les connaissances scientifiques sur l’utilisation des opioïdes pour la DCNC.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".