Sleep and daytime sleepiness problems among patients with chronic noncancerous pain receiving long-term opioid therapy: A cross-sectional study
Notice bibliographique
Résumé
OBJECTIVE: Sleep problems are common among patients with chronic pain (CP). Information on sleep problems and associated covariates in opioid-treated patients with CP is limited. The aim of this study was to assess the prevalence, characteristics, and risk factors of sleep and daytime sleepiness problems in this specific population. DESIGN: Cross-sectional. SETTING: Primary care outpatient clinics. PARTICIPANTS: Eight hundred and seventy six patients with CP treated with long-term opioids. MAIN OUTCOME MEASURES: Prestudy selected questionnaires: six questions from the Medical Outcomes Study Sleep Scale, Pain Inventory Survey, Pain Patient Profile, Substance Dependence Severity Scale, and medication log. RESULTS: Insomnia-type sleep problems and combined sleep and sleepiness problems were reported by 87 percent and 49 percent of the sample, respectively. Logistic regression analysis showed that depression (adjusted OR, aOR 2.8, 95% CI2.1-3.7) and pain severity (aOR 1.4, 95% CI 1.1-1.7) were the strongest independent predictors of sleep problems; only depression severity predicted daytime sleepiness (aOR 1.9, 95% CI 1.6-2.2) or combined sleep/sleepiness problems (aOR 2.2, 95% CI 1.8-2.5). Opioid dose was associated with a slight tendency toward unrefreshing sleep (aOR 1.2, 95% CI 1.0-1.4) and worse sleep maintenance (aOR 1.2, 95% CI 1.0-1.4), while use of long-acting opioids was associated with a trend toward increased napping (aOR 1.3, 95% CI 1.0-1.8). CONCLUSIONS: Sleep and daytime sleepiness problems are common among opioid-treated primary care patients with CP and seem to be related mainly to depression and pain severity. Physicians caring for opioid-treated patients with CP may want to assess them for sleep disorders as a part of routine CP care.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».