Dự đoán nguy cơ rối loạn sử dụng opioid và quá liều ở người cao tuổi: Đánh giá các mô hình tiên lượng

Điểm nổi bật

Nghiên cứu tiên lượng này sử dụng đồng thời dữ liệu tự báo cáo của người bệnh và dữ liệu yêu cầu thanh toán Medicare từ Health and Retirement Study để xây dựng các mô hình dự đoán thời gian đến lần đầu tiên xảy ra rối loạn sử dụng opioid (Opioid Use Disorder, OUD) hoặc quá liều opioid (Opioid Overdose, OD) ở người cao tuổi. Bốn phương pháp phân tích sống còn—Cox proportional hazards truyền thống, Cox được chọn biến lùi, Cox có phạt bằng Least Absolute Shrinkage and Selection Operator (LASSO), và survival random forest—cho hiệu năng tương tự nhau, với khả năng phân biệt ở mức trung bình đến tốt. Các biến dự báo chính được xác định nhất quán gồm thời gian sử dụng opioid kéo dài, đau không được kiểm soát, và sử dụng đồng thời các thuốc tác động lên hệ thần kinh trung ương (CNS).

Bối cảnh nghiên cứu

Đại dịch opioid vẫn là một thách thức y tế công cộng nghiêm trọng, và người cao tuổi là nhóm đặc biệt dễ bị tổn thương do thường xuyên có đau mạn tính, đa thuốc, cùng những thay đổi sinh lý ảnh hưởng đến chuyển hóa và độ nhạy với opioid. Mặc dù số đơn opioid ở bệnh nhân từ 65 tuổi trở lên đang gia tăng, dữ liệu về các mô hình dự báo hiệu quả đối với biến cố bất lợi liên quan đến opioid ở nhóm tuổi này vẫn còn hạn chế. Việc nhận diện sớm người cao tuổi có nguy cơ rối loạn sử dụng opioid hoặc quá liều là cần thiết để triển khai can thiệp có mục tiêu và tối ưu hóa kiểm soát đau trong khi giảm thiểu nguy hại.

Thiết kế nghiên cứu

Nghiên cứu tiên lượng này khai thác dữ liệu dọc từ Health and Retirement Study (HRS), được liên kết với dữ liệu yêu cầu thanh toán Medicare giai đoạn 2006 đến 2021. Đối tượng nghiên cứu bao gồm những người trưởng thành sống trong cộng đồng, từ 65 tuổi trở lên, được chẩn đoán đau mạn tính và được kê opioid trong vòng một năm trước cuộc phỏng vấn khảo sát HRS hai năm một lần đầu tiên trong thời gian nghiên cứu. Phân tích bao gồm 40 biến dự báo ứng viên, được rút ra từ cả dữ liệu dựa trên yêu cầu thanh toán (ví dụ: sử dụng thuốc, bệnh kèm theo) và các thước đo do người bệnh tự báo cáo (ví dụ: kiểm soát đau, tình trạng chức năng).

Rối loạn sử dụng opioid hoặc quá liều mới mắc được xác định thông qua các mã chẩn đoán trong yêu cầu thanh toán Medicare. Bốn mô hình phân tích sống còn được xây dựng để dự đoán thời gian đến OUD hoặc OD lần đầu: Cox proportional hazards truyền thống, Cox với lựa chọn biến lùi, Cox được phạt bởi least absolute shrinkage and selection operator (LASSO), và mô hình survival random forest. Các mô hình có xét đến cả biến dự báo cố định theo thời gian và biến dự báo biến thiên theo thời gian. Hiệu năng được đánh giá trên cả bộ dữ liệu huấn luyện và kiểm định bằng thống kê concordance (C) để đo khả năng phân biệt.

Kết quả chính

Trong số 4190 người cao tuổi mắc đau mạn tính đang dùng opioid, 181 người (4,3%) xuất hiện OUD hoặc OD mới mắc trong thời gian theo dõi trung bình 6,1 năm (SD 4,0).

Cả bốn mô hình đều cho thấy hiệu năng tương đương. Ở bộ dữ liệu huấn luyện, thống kê C dao động từ 0,753 đến 0,849; ở bộ dữ liệu kiểm định, từ 0,723 đến 0,790, cho thấy khả năng phân biệt dự báo ở mức chấp nhận được đến tốt.

Trong các mô hình, những biến dự báo hàng đầu làm tăng nguy cơ OUD hoặc OD gồm:

• Thời gian sử dụng opioid: Phơi nhiễm opioid tích lũy kéo dài có liên quan chặt chẽ với nguy cơ cao hơn.
• Đau không được kiểm soát: Các báo cáo tự khai cho thấy kiểm soát đau chưa đầy đủ là yếu tố dự báo độc lập các kết cục bất lợi liên quan đến opioid.
• Thuốc CNS dùng đồng thời: Việc sử dụng các thuốc khác có hoạt tính trên hệ thần kinh trung ương, như benzodiazepines hoặc thuốc giãn cơ, làm tăng nguy cơ.

Các biến khác đáng chú ý bao gồm yếu tố nhân khẩu học, bệnh lý đồng mắc và hành vi sức khỏe, nhưng đóng góp dự báo của chúng kém nhất quán hoặc yếu hơn.

Bình luận chuyên gia

Nghiên cứu này lấp đầy một khoảng trống quan trọng bằng cách tích hợp kết cục do người bệnh tự báo cáo với dữ liệu yêu cầu thanh toán có độ tin cậy cao nhằm tăng cường phân tầng nguy cơ đối với biến cố bất lợi liên quan đến opioid ở người cao tuổi. Hiệu năng tương đương giữa các mô hình hồi quy truyền thống và mô hình học máy cho thấy các cách tiếp cận dựa trên Cox đơn giản hơn có thể đủ để triển khai trong lâm sàng, đồng thời cân bằng giữa khả năng diễn giải và sức mạnh dự báo.

Phát hiện rằng thời gian sử dụng opioid và đau không được kiểm soát là các yếu tố nguy cơ chính phù hợp với y văn hiện có, vốn nhấn mạnh phơi nhiễm opioid mạn tính và giảm đau không đầy đủ là những yếu tố trung tâm trong sự phát triển OUD. Ảnh hưởng của việc dùng đa thuốc tác động lên CNS làm nổi bật tầm quan trọng của việc rà soát thuốc cẩn thận và chiến lược giảm/ngưng kê đơn ở nhóm dễ bị tổn thương này.

Hạn chế của nghiên cứu bao gồm việc dựa vào dữ liệu yêu cầu thanh toán hành chính để xác định kết cục, có thể bỏ sót một số trường hợp OUD, và nguy cơ nhiễu còn tồn dư vốn có của dữ liệu quan sát. Đoàn hệ chủ yếu đại diện cho người thụ hưởng Medicare tại Hoa Kỳ sống trong cộng đồng, do đó có thể hạn chế khả năng khái quát hóa sang các quần thể hoặc bối cảnh chăm sóc sức khỏe khác.

Các nghiên cứu trong tương lai nên khảo sát việc tích hợp những mô hình dự báo này vào hồ sơ bệnh án điện tử để giám sát nguy cơ theo thời gian thực, đồng thời đánh giá hiệu quả của các can thiệp có mục tiêu được kích hoạt từ kết quả mô hình.

Kết luận

Mô hình dự báo kết hợp các thước đo do người bệnh tự báo cáo và dữ liệu yêu cầu thanh toán có thể nhận diện hiệu quả người cao tuổi có nguy cơ cao mắc rối loạn sử dụng opioid hoặc quá liều opioid. Việc nhận diện thời gian sử dụng opioid kéo dài, đau không được kiểm soát và thuốc CNS dùng đồng thời như các yếu tố nguy cơ có thể thay đổi là những mục tiêu chiến lược cho can thiệp. Các mô hình này có tiềm năng hỗ trợ bác sĩ lâm sàng và hệ thống y tế chủ động giảm thiểu nguy cơ, qua đó cải thiện an toàn khi kê đơn opioid cho người cao tuổi.

Tài trợ và công bố

Nghiên cứu được hỗ trợ bởi các cơ quan tài trợ học thuật và chính phủ có liên quan như được nêu trong ấn phẩm gốc. Không ghi nhận xung đột lợi ích.

Tài liệu tham khảo

• Chiang CW, Brock G, Schmidt S, et al. Predictive Models for Time to First Opioid Use Disorder or Opioid Overdose Among Older Adults. J Gen Intern Med. 2026 Jul 16. PMID: 42463630.
• Bauer AM, et al. Challenges and considerations when screening for opioid misuse in older adults. Subst Abus. 2020;41(4):479-487.
• Krebs EE, et al. Opioid prescribing for older adults with chronic noncancer pain: a systematic review. J Am Geriatr Soc. 2014;62(9):1815-1823.
• Dowell D, et al. CDC Guideline for Prescribing Opioids for Chronic Pain — United States, 2016. MMWR Recomm Rep. 2016;65(1):1-49.