Analgesic Use for Knee and Hip Osteoarthritis in Community-Dwelling Elders
Notice bibliographique
Résumé
OBJECTIVE: To examine the prevalence and correlates of non-opioid and opioid analgesic use and descriptively evaluate potential undertreatment in a sample of community-dwelling elders with symptomatic knee and/or hip osteoarthritis (OA). DESIGN: Cross-sectional. SETTING: Health, Aging, and Body Composition Study. PATIENTS: Six hundred and fifty-two participants attending the year 6 visit (2002-03) with symptomatic knee and/or hip OA. OUTCOME MEASURES: Analgesic use was defined as taking ≥1 non-opioid and/or ≥1 opioid receptor agonist. Non-opioid and opioid doses were standardized across all agents by dividing the daily dose used by the minimum effective analgesic daily dose. Inadequate pain control was defined as severe/extreme OA pain in the past 30 days from a modified Western Ontario and McMaster Universities Osteoarthritis Index. RESULTS: Just over half (51.4%) reported taking at least one non-opioid analgesic and approximately 10% was taking an opioid, most (88.5%) of whom also took a non-opioid. One in five participants (19.3%) had inadequate pain control, 39% of whom were using <1 standardized daily dose of either a non-opioid or opioid analgesic. In adjusted analyses, severe/extreme OA pain was significantly associated with both non-opioid (adjusted odds ratio [AOR] = 2.44; 95% confidence interval [95% CI] = 1.49-3.99) and opioid (AOR = 2.64; 95% CI = 1.26-5.53) use. CONCLUSIONS: Although older adults with severe/extreme knee and/or hip OA pain are more likely to take analgesics than those with less severe pain, a sizable proportion takes less than therapeutic doses and thus may be undertreated. Further research is needed to examine barriers to optimal analgesic use.
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 | 0,001 |
| 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 ».