Your browser doesn't support javascript.
loading
Mostrar: 20 | 50 | 100
Resultados 1 - 1 de 1
Filtrar
Más filtros











Base de datos
Intervalo de año de publicación
1.
Proc Natl Acad Sci U S A ; 117(4): 1917-1923, 2020 01 28.
Artículo en Inglés | MEDLINE | ID: mdl-31937665

RESUMEN

Misuse of prescription opioids is a leading cause of premature death in the United States. We use state government administrative data and machine learning methods to examine whether the risk of future opioid dependence, abuse, or poisoning can be predicted in advance of an initial opioid prescription. Our models accurately predict these outcomes and identify particular prior nonopioid prescriptions, medical history, incarceration, and demographics as strong predictors. Using our estimates, we simulate a hypothetical policy which restricts new opioid prescriptions to only those with low predicted risk. The policy's potential benefits likely outweigh costs across demographic subgroups, even for lenient definitions of "high risk." Our findings suggest new avenues for prevention using state administrative data, which could aid providers in making better, data-informed decisions when weighing the medical benefits of opioid therapy against the risks.


Asunto(s)
Algoritmos , Analgésicos Opioides/uso terapéutico , Prescripciones de Medicamentos/normas , Trastornos Relacionados con Opioides/tratamiento farmacológico , Pautas de la Práctica en Medicina/normas , Mal Uso de Medicamentos de Venta con Receta/prevención & control , Medición de Riesgo/métodos , Anciano , Femenino , Humanos , Aprendizaje Automático , Masculino , Persona de Mediana Edad , Trastornos Relacionados con Opioides/epidemiología , Valor Predictivo de las Pruebas , Rhode Island/epidemiología
SELECCIÓN DE REFERENCIAS
DETALLE DE LA BÚSQUEDA