Factors Associated with Perceived Abuse in the Health Care System Among Long-Term Opioid Users: A Cross-Sectional Study
Notice bibliographique
Résumé
BACKGROUND: Opioid-dependence is a chronic relapsing disorder. Histories of physical, sexual, and emotional abuse are prevalent among long-term opioid users. While perceived abuse in health care has been linked to histories of abuse in other populations it has not been investigated among long-term opioid users. OBJECTIVE: To determine factors associated with perceived abuse in health care among a sample of long-term opioid users. METHODS: Gender Matters in the Health of Long-Term Opioid Users (GeMa) was a descriptive cross-sectional study. Participants (n = 175) answered questions on health, drug use, treatment history, and victimization. A multivariable model of perceived abuse in health care was built using logistic regression. RESULTS: Half of participants (n = 88) reported perceived abuse in health care in lifetime with no gender differences. Histories of abuse, physical, and psychological health problems, and health care access were more prevalent among those reporting perceived abuse in health care compared to those not reporting such experiences. Multivariable analysis showed that more methadone maintenance treatment attempts in life, prescribed psychiatric medication in life, and having higher childhood emotional abuse scores were independently associated with perceived abuse in health care. Among all childhood neglect and abuse types measured, emotional abuse was the only significant predictor. CONCLUSIONS: A high prevalence of lifetime perceived abuse in health care (50%) was reported, along with extremely high childhood abuse and neglect scores. Consideration of these variables by health care and service providers is extremely important to improving patient perceptions of care, and ultimately health and treatment outcomes among opioid-dependent people.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».