Denial of Pain Medication by Health Care Providers Predicts In‐Hospital Illicit Drug Use among Individuals who Use Illicit Drugs
Notice bibliographique
Résumé
BACKGROUND: Undertreated pain is common among people who use illicit drugs (PWUD), and can often reflect the reluctance of health care providers to provide pain medication to individuals with substance use disorders. OBJECTIVE: To investigate the relationship between having ever been denied pain medication by a health care provider and having ever reported using illicit drugs in hospital. METHODS: Data were derived from participants enrolled in two Canadian prospective cohort studies between December 2012 and May 2013. Using bivariable and multivariable logistic regression analyses, the relationship between having ever been denied pain medication by a health care provider and having ever reported using illicit drugs in hospital was examined. RESULTS: Among 1053 PWUD who had experienced ≥ 1 hospitalization, 452 (44%) reported having ever used illicit drugs while in hospital and 491(48%) reported having ever been denied pain medication. In a multivariable model adjusted for confounders, having been denied pain medication was positively associated with having used illicit drugs in hospital (adjusted OR 1.46 [95% CI 1.14 to 1.88]). CONCLUSIONS: The results of the present study suggest that the denial of pain medication is associated with the use of illicit drugs while hospitalized. These findings raise questions about how to appropriately manage addiction and pain among PWUD and indicate the potential role that harm reduction programs may play in hospital settings.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».