文献速递中毒与环境急症消化、代谢与肾脏急症

长期阿片类药物治疗成人中阿片剂量变异性与过量之间的关联

Association Between Opioid Dose Variability and Opioid Overdose Among Adults Prescribed Long-term Opioid Therapy.
PubMed 文献 · JAMA Netw Open · 2019-04-05
一句话结论在长期阿片治疗患者中,剂量变异性最高五分位与阿片过量风险独立相关(mOR 3.32),而持续停药与风险降低相关(mOR 0.49)。

该嵌套病例对照研究纳入科罗拉多大型整合医疗系统中14 898例长期阿片治疗患者,比较不同剂量变异性五分位与阿片过量的关联。结果显示,最高剂量变异性组(SD >27.2 mg吗啡当量)相比最低组(SD ≤5.3 mg)过量风险显著升高(mOR 3.32,95%CI 1.63-6.77),且独立于阿片剂量;持续停药3个月与过量风险降低约51%相关(mOR 0.49,95%CI 0.26-0.93)。作者认为剂量变异性可能是过量的危险因素,建议临床医生在管理长期阿片治疗时尽量减少剂量波动。

要点

  • 最高剂量变异性组(SD >27.2 mg吗啡当量)较小剂量变异性组(SD ≤5.3 mg)的过量风险显著升高(mOR 3.32,95%CI 1.63-6.77),且与阿片剂量无关。
  • 持续停药(索引日期前连续3个月0 mg吗啡当量)与过量风险降低相关(mOR 0.49,95%CI 0.26-0.93)。
  • 阿片剂量与剂量变异性的交互作用无统计学意义(P = .72),提示即使在低剂量患者中剂量变异性也是危险因素。
  • 将剂量变异性纳入模型后,高剂量(>100 mg吗啡当量)与过量的关联从mOR 3.10减弱至2.37,提示既往剂量-过量关联可能受剂量变异性混杂。
  • 作者建议临床医生在管理长期阿片治疗时尽量减少剂量变异性,并认为需要进一步研究明确安全停药的路径。

适用人群与场景

  • 18岁及以上、在门诊接受长期阿片类药物治疗的患者:90天内至少有3次阿片类药物配药,每日吗啡当量≥10 mg,且无阿片覆盖间隔不超过10天。
  • 排除:临终关怀、养老院、随访期间有癌症证据者;排除丁丙诺啡产品(KPCO一般用于阿片使用障碍治疗);仅纳入药房或药房索赔发放的美沙酮(排除成瘾治疗中心发放的美沙酮)。

诊断标准与关键阈值

  • 剂量变异性定义为随访期间每月吗啡当量毫克数的标准差(SD),按队列SD五分位分组:0-5.3、5.4-9.1、9.2-14.6、14.7-27.2、>27.2 mg吗啡当量。
  • 持续停药定义为索引日期前3个月期间吗啡当量为0 mg。
  • 索引日期前3个月平均剂量分组:0-20、21-50、51-100、>100 mg吗啡当量。
  • 阿片过量通过ICD-9和ICD-10编码识别,这些编码的阳性预测值估计为81%。

研究设计与关键结果

  • 研究类型:在Kaiser Permanente Colorado(KPCO)整合医疗系统内进行的嵌套病例对照研究,纳入14 898例长期阿片治疗患者(平均[SD]年龄56.3[16.0]岁;8988例[60.3%]女性),识别228例过量为病例患者,匹配3547例对照患者(每个病例最多匹配20例对照)。
  • 主要终点:最高剂量变异性组(SD >27.2 mg吗啡当量)相比最低组(SD ≤5.3 mg)的匹配比值比为3.32(95%CI 1.63-6.77),独立于阿片剂量。
  • 剂量作为连续变量:剂量变异性每增加1个SD单位,mOR 1.01(95%CI 1.00-1.01;P = .02)。
  • 阿片剂量:索引日期前3个月剂量>100 mg吗啡当量与0-20 mg组相比,mOR 2.37(95%CI 1.41-3.98);未纳入剂量变异性时mOR 3.10(95%CI 1.85-5.19)。
  • 持续停药:索引日期前3个月0 mg吗啡当量者 vs 未停药者,mOR 0.49(95%CI 0.26-0.93)。
  • 次要分析:索引日期前1个月剂量变化与过量无关(mOR 1.00,95%CI 1.00-1.00;P = .36);剂量上升趋势 vs 下降或平稳趋势,mOR 1.11(95%CI 0.77-1.58)。
  • 剂量变异性与剂量的交互作用无统计学意义(χ²12 = 8.81;P = .72)。
  • 队列中共识别305次阿片过量事件(发生率456/10万人年),其中57次为复发性(42人),26次致死,39次发生在自杀企图期间。

证据类型、等级与局限

  • 证据类型:嵌套病例对照研究(观察性研究)。
  • 局限性:ICD-9/ICD-10过量编码阳性预测值较高,但高达19%的过量病例可能被误分类为假阳性,导致OR估计偏倚;作者报告失访可能导致观察到的OR低估真实关联;剂量变异性的原因可能包括疼痛加重、医生发起的减量、更换医生、错过预约、尿液毒理学筛查依从性差或旅行,若某一原因驱动关联,观察到的关联可能被稀释;需要未来研究检验具体原因和其他结局如自杀。
  • 敏感性分析:假设19%非差异性结局误分类时,主效应估计变化≤2.7%,主结论不变;假设19%差异性误分类时,在最极端场景下剂量变异性估计降低约30%,但主结论不变。

对床旁实践的改变

  • 研究结果提示,在长期阿片治疗患者中,剂量变异性可能是过量的独立危险因素,即使是在低剂量患者中也是如此。
  • 作者认为,临床医生在管理长期阿片治疗时应尽量减少剂量变异性,而政策制定者和医生在设计和实施减少阿片处方的政策时应考虑剂量变异性可能带来的风险。
  • 作者指出,需要进一步研究以更好地理解长期阿片治疗患者安全停药的路径。

提炼说明

  • 原文未涉及「处置流程与药物剂量」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译11 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者(PMC Open Access),按 CC BY 许可使用,本译文为翻译改编。出处:JAMA Netw Open. 2019 Apr 19;2(4):e192613. doi: 10.1001/jamanetworkopen.2019.2613

引言

流行病学研究1,2,3,4,5已表明,被处方高剂量阿片类药物治疗的个体发生阿片类药物过量的风险增加。这些观察性发现为指南提供了依据,指南鼓励执业医师尽量减少急性疼痛的阿片类药物处方、避免为慢性疼痛启动阿片类药物治疗,并在阿片类药物的风险大于获益时考虑逐渐减量或停用长期阿片类药物治疗。6,7,8尽管实践指南已导致美国全国阿片类药物处方大幅减少,6,7,8,9,10但药物性阿片类药物过量的显著下降尚未见报道。11因此,可能是未经审视的处方实践或处方政策的不良后果导致了药物性阿片类药物过量率的持续升高。12

阿片类药物治疗的管理是一个动态过程,可能导致一系列药物暴露模式,包括剂量稳定、剂量随时间变化以及治疗中止。剂量变化可包括增加、减少或随时间波动的增加和减少。对启动缓释阿片类药物治疗者、13启动和停用阿片受体激动剂治疗阿片使用障碍者、14,15,16,17出狱者18以及从阿片使用障碍住院治疗19或住院20出院者的研究表明,剂量变化可能与阿片类药物过量风险增加相关。导致这些风险期的机制可能是生物学和行为学的,例如在耐受性降低一段时间后恢复阿片类药物使用。迄今为止,阿片类药物剂量的动态变化或剂量变异性与阿片类药物过量之间的关联尚未在长期阿片类药物治疗的背景下得到研究。

本研究的主要目的是考察剂量变异性与阿片类药物过量风险之间的关联。我们还试图量化持续(≥3个月)停用阿片类药物治疗与阿片类药物过量的关联。我们假设剂量变异性增加将与阿片类药物过量独立相关,并且剂量变异性在较高阿片类药物剂量下与过量的关联更强。我们还假设持续停用阿片类药物治疗将与过量风险降低相关。

方法

研究设置与队列

我们在科罗拉多凯撒医疗集团(KPCO)患者队列中开展了一项巢式匹配病例对照研究。KPCO是一个综合医疗保健计划和提供系统,拥有约630 000名成员。队列成员年龄在18岁及以上,并接受长期阿片类药物治疗,即在90天内至少有3次或以上阿片类药物配药,每日吗啡当量剂量为10 mg或以上。阿片类药物配药通过KPCO药房记录和外部药房理赔数据使用国家药品代码进行识别。处方必须在2006年1月1日至2017年12月31日期间在门诊环境中配发,且无任何阿片类药物覆盖的时间不超过10天。对于每名队列成员,使用既定方法计算每个随访月份的吗啡当量毫克数。4本研究遵循加强观察性流行病学研究报告(STROBE)报告指南。KPCO机构审查委员会在数据收集前批准了本研究,并豁免了《健康保险携带和责任法案》及知情同意的要求。数据未去标识化,因为这是一个有限数据集。

为进入长期阿片类药物队列,含丁丙诺啡的产品被排除,因为它们在KPCO通常用于阿片类药物使用障碍的治疗。美沙酮如在药房配发或产生药房理赔则被纳入;在成瘾治疗中心配发的美沙酮被排除。患者如在2006年已在接受长期阿片类药物治疗,或在2006年1月1日至2017年12月31日期间新开始接受长期阿片类药物治疗,则可进入队列。3张合格处方中的第3次阿片类药物配发日期代表指标剂量。为纳入队列,患者需要在指标剂量后至少有30天的入组时间。如患者在随访期间处于临终关怀、住在养老院或有癌症证据,则被排除出队列。患者随访至退出健康保健计划、死亡或2018年6月30日。

在每名患者的随访期间,我们通过计算从指标剂量至随访结束期间每月吗啡当量毫克数随时间变化的标准差来评估剂量变异性。类似方法已被用于评估心率变异性与心血管死亡风险之间的关联。21,22 主要病例对照分析中的剂量变异性暴露分类基于队列中标准差分布的五分位数。检查五分位数使我们能够考察变异性与过量用药之间的剂量反应关系。

病例和对照患者

在队列中,我们使用《国际疾病分类》第九版(ICD-9)和《国际疾病统计分类和相关健康问题》第十版(ICD-10)代码(补充材料中的eTable 1)识别了致命性和非致命性阿片类药物过量用药病例。这些代码的估计阳性预测值为81%23,并在住院和急诊科环境中或使用州生命统计数据予以识别。首次过量用药的日期代表指标日期。

使用风险集抽样,24,25 我们为每位发生过量用药的病例患者随机选取最多20名对照患者。该数量基于样本量计算,计算表明需要在最高和最低五分位组中分别有100例病例患者和2000名匹配对照患者,以及2000名匹配对照患者,以检测2.05的匹配比值比(mOR),在80%统计功效下,假设α为0.05且剂量暴露高变异的概率为0.2。

符合条件的对照患者在索引日期之前没有阿片类药物过量用药的ICD-9或ICD-10编码。对照患者按索引剂量吗啡当量毫克数(±20%)、日历时间(±60天)和随访时间(±60天)与病例患者匹配。随访时间定义为索引剂量与索引日期之间的时间。每例病例患者及其匹配对照患者组代表一个独立的分层。

病例对照分析的剂量变异性、持续性阿片类药物治疗中止及剂量

对于每个病例和对照患者分层,从索引日期回顾性评估剂量变异性(SD)、持续性阿片类药物治疗中止和剂量。剂量变异性测量为索引剂量与索引日期之间剂量的SD。对于主要分析,SD根据队列中SD的五分位分布分为以下组:0至5.3、5.4至9.1、9.2至14.6、14.7至27.2和超过27.2 mg吗啡当量。

持续性治疗中止定义为索引日期前3个月期间吗啡当量为0 mg,并编码为二分类变量(是或否)。剂量类似地计算为索引日期前3个月的吗啡当量平均毫克数,以捕捉接近过量用药事件时的剂量大小。剂量分为0至20、21至50、51至100和超过100 mg吗啡当量。

统计分析

主要分析

病例患者和匹配的对照患者采用条件logistic回归进行分析,以计算mOR和95%CI。构建了两个独立的模型:一个针对剂量变异性,另一个针对持续性治疗中断。在第一个模型中,因变量为过量用药,主要自变量(暴露)为剂量变异性,以5级分类变量(五分位数)测量。该模型对以下变量进行了调整,这些变量在既往研究2,4,5,13,26,27,28,29中已被报道与过量用药风险相关:索引日期前3个月内的阿片类药物剂量、年龄、性别、是否接受缓释和/或长效阿片类药物制剂、精神健康障碍诊断、药物或酒精使用障碍、苯二氮䓬类药物配药、医学共病(Quan-Deyo改良Charlson共病指数30,31),以及社会史中记录的烟草使用或作为诊断的烟草使用障碍。种族/民族也被纳入;种族/民族数据由患者自我报告填入KPCO电子健康记录。缺失的烟草、种族和西班牙裔族裔值采用基于匹配样本可用信息的多重插补进行替代。通过将变异性类别(五分位数1-5)作为连续变量建模,检验剂量变异性的剂量-反应关联。为了在独立于剂量变异性的情况下考察阿片类药物剂量,我们在模型中分析了不含剂量变异性测量的剂量。为了评估剂量变异性是否随剂量大小而变化,还将剂量变异性和剂量作为交互作用进行分析。模型拟合在非匹配数据上采用Hosmer-Lemeshow拟合优度检验进行评估,32并采用方差膨胀因子评估多重共线性。

第二个多变量条件logistic回归模型以过量用药为结局,以持续性治疗中断为主要暴露变量,调整的协变量与第一个模型相同,但不包括索引日期前3个月内的阿片类药物剂量。

二次分析

我们针对剂量变异性进行了4项二次分析,所有分析均控制了与主要变异性分析相同的变量。第一,将剂量变异性(SD)作为连续变量建模。第二,为评估最近一次阿片类药物剂量变化与过量用药的关联,我们对索引日期前紧邻一个月内以吗啡毫克当量计的净变化进行了建模。第三,为考虑剂量的增加和减少趋势,我们对病例患者在随访期间的阿片类药物剂量拟合了线性回归。基于剂量趋势,我们创建了2组:下降或持平(线性趋势系数≤0)和上升(线性趋势系数>0)。然后我们将剂量趋势作为二分类变量建模(下降或持平 vs 上升)。第四,为评估剂量变异性相对于索引日期的时间特征,我们进行了一项单独的回归分析,评估索引日期前3、6、9和12个月期间剂量变异性与过量用药之间的关联。在后述分析中,剂量变异性作为连续变量建模。

我们还对治疗终止进行了一项二次分析,该分析控制了与主要治疗终止分析相同的变量。在这项二次分析中,我们检验了当阿片类药物使用仅在索引日期前1个月终止时,治疗终止与过量用药之间的关联。

差异性与非差异性结局错分率的敏感性分析

采用多重插补法来处理潜在结局(病例)错分所引入的不确定性。33,34,35 基于文献,我们假设ICD-9或ICD-10过量用药诊断的总体错分率为19%。我们使用蒙特卡洛模拟(5000次重复)来确定可能影响我们关于剂量变异性与过量用药之间关联结论的结局错分水平。我们按剂量变异性(暴露)状态模拟了非差异性和差异性结局错分。

所有分析均使用SAS统计软件9.4版(SAS Institute Inc)进行。所有统计检验均为双侧检验,P < .05被认为具有统计学意义。

结果

一个由14 898例患者组成的队列(平均[SD]年龄,56.3[16.0]岁;8988例[60.3%]女性)被处方长期阿片类药物治疗(表1)。附图描述了队列的纳入和排除情况。在随访期间,10 885例(73.1%)被诊断有精神健康障碍,4816例(32.3%)有药物或酒精使用障碍,5089例(34.2%)使用烟草或有烟草使用障碍,12 887例(86.5%)被诊断有慢性疼痛。该队列中有4064例(27.3%)个体的索引剂量大于50 mg吗啡当量。

在被处方长期阿片类药物治疗的患者队列中,我们识别出305起阿片类药物过量用药事件(发病率,456/100 000人年)。在这些事件中,57起为复发性(发生于42例个体),26起为致死性,39起发生于自杀未遂期间。在248例发生首次过量用药的病例患者中,228例可匹配到至少1例对照。在14 650例潜在对照患者中,病例患者匹配到3547例对照患者。表1给出了病例患者和对照患者的特征。4例患者的过量用药涉及海洛因,224例的过量用药主要归因于处方阿片类药物。病例患者在索引日期前接受阿片类药物治疗的平均(SD)时间为36.7(33.7)个月,对照患者为33.0(30.9)个月;病例患者在索引日期前的平均(SD)阿片类药物剂量为110.6(133.8)mg吗啡当量,对照患者为73.0(112.9)mg吗啡当量。

在第一次多变量条件逻辑回归分析中,剂量变异性和剂量与药物过量独立相关(表2)。与暴露于最低剂量变异性类别(标准差≤5.3 mg吗啡当量)的个体相比,暴露于最高剂量变异性类别(标准差>27.2 mg吗啡当量)的个体发生药物过量的mOR为3.32(95% CI,1.63-6.77)。与处方较低剂量(0-20 mg吗啡当量)的个体相比,在索引日期前3个月内被处方高剂量(>100 mg吗啡当量)的个体发生药物过量的mOR为2.37(95% CI,1.41-3.98)。将剂量变异性作为剂量反应进行评估的分析具有统计学显著性(β = 0.30;95% CI,0.14-0.45)。在模型中不纳入剂量变异性时,与0至20 mg吗啡当量的剂量相比,阿片类药物剂量大于100 mg吗啡当量与更高的药物过量风险相关(mOR,3.10;95% CI,1.85-5.19)。未发现剂量与剂量变异性之间存在交互作用(χ²12 = 8.81;P = .72),提示剂量变异性与药物过量风险的关联不随剂量大小而变化。对未匹配数据的Hosmer-Lemeshow检验表明模型拟合充分(χ²8 = 5.49;P = .70)。容忍度为0.74,方差膨胀因子为1.35,表明剂量变异性和剂量之间不存在多重共线性。36

与未停用阿片类药物治疗的个体相比,持续停用阿片类药物治疗(定义为索引日期前连续3个月吗啡当量为0 mg)的个体发生药物过量的可能性低51%(mOR,0.49;95% CI,0.26-0.93)(表3)。

在二次分析中,以连续变量测量的剂量变异性与药物过量相关(mOR,1.01;95% CI,1.00-1.01;P = .02)(补充材料中的e表2)。索引日期前1个月阿片类药物剂量的变化与药物过量不相关(mOR,1.00;95% CI,1.00-1.00;P = .36)。与平稳或下降的剂量趋势相比,剂量增加趋势与药物过量不相关(mOR,1.11;95% CI,0.77-1.58)。在考察索引日期前3、6、9和12个月期间剂量变异性的分析中,以连续变量测量的剂量变异性与药物过量相关(每项mOR,1.01;95% CI,1.00-1.01;3个月,P = .003;6个月,P = .001;9个月,P = .002;12个月,P = .005)。索引日期前1个月停用治疗的估计值与索引日期前3个月停用治疗的估计值相似(mOR,0.51;95% CI,0.30-0.87)。

假设结局状态(药物过量分类)存在19%非差异性错分类的敏感性分析使主效应估计值变化2.7%或更少,且未改变高剂量变异性(标准差,>27.2)与药物过量呈正相关这一主要结论(补充材料中的e表3)。当假设结局状态按剂量变异性状态存在19%差异性错分类时,在最极端的差异性错分类情景下,剂量变异性的估计值降低约30%。在任何错分类情景下主要结论均未改变。

表1. 总队列、发生药物过量的病例患者和对照患者的人口学和临床特征a 查看原表 ↗
图. 队列流程与巢式病例对照研究 查看原图 ↗
表2. 阿片类药物剂量变异性与阿片类药物过量的未调整和调整后关联 查看原表 ↗
表3. 持续(3个月)阿片类药物治疗中断与阿片类药物过量的未调整和调整后关联 查看原表 ↗

讨论

在这项针对长期接受阿片类药物治疗患者的病例对照研究中,阿片类药物剂量变异性与过量风险之间存在明显的剂量-反应关联。阿片类药物剂量也显示出与短期过量风险的关联,而持续中断阿片类药物治疗与过量风险降低约50%相关。综合来看,这些发现提示,如果逐渐减量最终能使患者停用阿片类药物治疗,则可能是有益的;但同时也提示,试图调整阿片类药物剂量可能导致剂量变异性,而后者可能与阿片类药物过量风险增加相关。

尽管我们假设剂量变异性在接受高剂量阿片类药物的患者中与更高风险相关,但剂量变异性与剂量之间的交互作用无统计学显著性。这一发现提示,即使在接受低剂量阿片类药物的患者中,剂量变异性也是过量的危险因素。我们的次要分析结果表明,当以连续变量衡量变异性、考虑变异性的时间、总体剂量趋势以及停药时间时,我们的主要结果均稳健。未来研究可聚焦于如何利用剂量变异性指标指导处方实践。

尽管患者暴露于剂量变异性可能有多种原因,但其中一个原因是试图逐渐减量或停用阿片类药物治疗。尝试减少剂量可能与阿片类药物戒断或短期疼痛加重相关,37,38,39促使患者要求随后增加剂量。由于一段时间的阿片类药物暴露减少后耐受性丧失,40,41,42此类剂量调整可能与阿片类药物过量风险增加相关。另外,在剂量减少后,患者可能从其他来源(如朋友)获取阿片类药物,而不知道其所摄入阿片类药物制剂的效价,从而增加过量风险。未来研究应专门考察逐渐减量对过量的影响。

尽管我们的结果印证了既往流行病学研究2,4,5,26,36所显示的,在接受长期阿片类药物治疗的患者中,剂量超过50 mg吗啡当量的阿片类药物与短期过量风险估计增加2至6倍相关,但当分析中纳入剂量变异性时,剂量关联减弱(30.8%)。这一发现提示,既往评估阿片类药物剂量与过量之间关联的分析可能受到剂量变异性的混杂影响。既往研究27也发现,阿片类药物剂量与长期(2年)过量风险无关。鉴于剂量很可能随时间波动,剂量对2年过量风险预测价值较差的部分原因可能由剂量变异性解释。

优势与局限性

这项基于人群的研究具有若干优势。我们在一个大型整合性健康计划中组建了一个纵向随访接受长期阿片类药物治疗患者的研究队列,该健康计划在人口学特征上可代表科罗拉多州。在该队列中,过量用药事件通过住院和急诊科环境以及生命记录被识别,且估算的过量用药发生率与既往研究中长期处方阿片类药物患者的发生率相似或更高。4,43 采用风险集抽样方法,随机选取的对照患者按日历时间和随访时长与发生过量用药的病例患者进行匹配,以帮助控制时间变化因素,如阿片类药物处方政策和实践的长期趋势、非法阿片类药物的效价和可获得性,以及在整个随访期间实施的医疗系统特定的过量用药减少干预措施。此外,条件logistic回归模型对若干已知的过量用药重要潜在混杂变量进行了校正。

本研究也存在局限性。尽管ICD-9和ICD-10过量用药编码具有较高的阳性预测值,但高达19%的过量用药病例可能被错误分类为假阳性。这种错误分类相对于暴露状态可能是非差异性或不差异性的,从而导致OR估计值偏倚。然而,在我们的敏感性分析中,我们发现广泛的暴露错误分类不会改变我们的结论,即剂量变异性可能与接受长期阿片类药物治疗患者的过量用药风险增加相关。

另一个潜在局限性是失访。发生剂量变异的患者可能寻求海洛因等非法阿片类药物、失去保险,并在退出健康计划期间发生过量用药。在我们的数据中,这可能表现为暴露非病例,而实际上是暴露病例,这意味着我们观察到的OR低估了真实关联。人们发生剂量变异可能有多种原因,包括疼痛加重、医生发起的减量、更换医生、错过预约、对尿液毒理学筛查依从性差或旅行。如果其中某一原因驱动了该关联,观察到的关联可能因合并这些原因而被稀释。未来研究应考察剂量变异的具体原因及其他潜在结局,如自杀。44

结论

本研究表明,剂量变异性是阿片类药物过量用药的独立于剂量本身的风险因素,而持续的治疗中止可能对过量用药具有保护作用。需要更多研究以更好地理解接受长期阿片类药物治疗的患者能够安全停用阿片类药物治疗的途径。在阐明这些途径之前,政策制定者和医生在设计和实施减少阿片类药物处方的新政策时,应考虑可能与剂量变异性相关的风险。

参考来源

  1. Glanz JM, Binswanger IA, Shetterly SM, et al. Association Between Opioid Dose Variability and Opioid Overdose Among Adults Prescribed Long-term Opioid Therapy. JAMA Netw Open. 2019. PMID: 31002325. doi:10.1001/jamanetworkopen.2019.2613
  2. 全文:PMC6481879(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6481879/

供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。