Withdrawal-associated injury site pain (WISP): a descriptive case series of an opioid cessation phenomenon
Notice bibliographique
Résumé
Withdrawal pain can be a barrier to opioid cessation. Yet, little is known about old injury site pain in this context. We conducted an exploratory mixed-methods descriptive case series using a web-based survey and in-person interviews with adults recruited from pain and addiction treatment and research settings. We included individuals who self-reported a past significant injury that was healed and pain-free before the initiation of opioids, which then became temporarily painful upon opioid cessation-a phenomenon we have named withdrawal-associated injury site pain (WISP). Screening identified WISP in 47 people, of whom 34 (72%) completed the descriptive survey, including 21 who completed qualitative interviews. Recalled pain severity scores for WISP were typically high (median: 8/10; interquartile range [IQR]: 2), emotionally and physically aversive, and took approximately 2 weeks to resolve (median: 14; IQR: 24 days). Withdrawal-associated injury site pain intensity was typically slightly less than participants' original injury pain (median: 10/10; IQR: 3), and more painful than other generalized withdrawal symptoms which also lasted approximately 2 weeks (median: 13; IQR: 25 days). Fifteen surveyed participants (44%) reported returning to opioid use because of WISP in the past. Participants developed theories about the etiology of WISP, including that the pain is the brain's way of communicating a desire for opioids. This research represents the first known documentation that previously healed, and pain-free injury sites can temporarily become painful again during opioid withdrawal, an experience which may be a barrier to opioid cessation, and a contributor to opioid reinitiation.
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 | 0,002 | 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 ».