Sedative Medication Use: Prevalence, Risk Factors, and Associations with Body Mass Index Using Population-Level Data
Notice bibliographique
Résumé
STUDY OBJECTIVES: To estimate the prevalence of and identify sociodemographic risk factors for sedative medication use in the general Canadian population, and to examine the association between sedative medication use and body mass index (BMI). DESIGN: Cross-sectional study SETTING: Canadian population PARTICIPANTS: Participants from the 1994-2003 Canadian national health surveys, the National Population Health Survey (NPHS) and the Canadian Community Health Survey (CCHS). For the 2003 CCHS, n = 134,072, ages 12-80+ years. INTERVENTIONS: Not applicable MEASUREMENTS AND RESULTS: The overall prevalence of sedative medication use in Canada in 2003 was 5.5%, having more than doubled since 1994. Notable rises in sedative medication use have occurred among men, non-elderly, and obese individuals. After adjusting for potential sociodemographic and health status confounders, including psychiatric comorbidities, the odds of sedative use were significantly greater among morbidly obese (BMI ≥ 35 kg/m(2)) men (OR = 1.89, 95%CI = 1.02-3.53) and underweight (BMI < 18.5 kg/m(2)) women (OR = 2.11, 95%CI = 1.26-3.53). CONCLUSIONS: The use of sedative medications has substantially risen among the general Canadian population, and among particular population subgroups. The greater odds of sedative medication use found among morbidly obese men may reflect the presence of underlying obstructive sleep apnea, which may in turn serve to explain in part the known relationship between sedative medications and mortality. The increase in sedative medications coupled with their known adverse health associations raises potential public health concerns.
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 | 0,000 | 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 ».