Nonmedical Prescription Opioid Use and Mental Health and Pain Comorbidities: A Narrative Review
Notice bibliographique
Résumé
OBJECTIVE: In North America, the prevalence of nonmedical prescription opioid use (NMPOU), and morbidity and mortality related to prescription opioid analgesics (POAs) has risen sharply. Epidemiologic studies have suggested a high prevalence of mental health and pain comorbidities in NMPOU samples. Given the potential importance for interventions, a narrative review was conducted on studies reporting data on the co-occurrence of NMPOU with mental health problems and pain symptoms in general, treatment, or special populations. METHOD: A search of MEDLINE, PubMed, PsycINFO, and Web of Science using defined search terms yielded 74 studies on NMPOU and mental health and (or) pain. Thirty-nine studies published between 1997 and 2009 were included in the review-based on the data they provided on NMPOU and mental health and pain comorbidities. RESULTS: Our review found strong associations between NMPOU and the comorbidities of interest. Associations between NMPOU and mental health were strongest for depression (OR range 1.2 to 4.3) followed by anxiety disorders (OR range 1.2 to 3.0) in general and treatment populations. The prevalence of pain ranged from 14.5% to 61.5% in general, treatment, and street drug user samples reporting NMPOU. CONCLUSIONS: The extensive associations observed between NMPOU and mental health and pain comorbidities suggest that effective preventive or treatment interventions for NMPOU must consider and attend to these comorbidities. As POAs are widely available and used in North America, POAs may increasingly be used in nonmedical ways for pain or mental health problems not effectively diagnosed or treated.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».