Pain Treatment of Underserved Older African Americans
Notice bibliographique
Résumé
Older African Americans who experience pain are especially at high risk of underassessment and undertreatment. This study examined patterns and correlates of pain medication use: severity of pain, medical conditions, and access to care. African Americans aged 65 and older were recruited from 16 churches located in south Los Angeles (N = 400). Structured face-to-face interviews and visual inspection of each participant's medications were conducted. More than 39% of participants were aged 75 and older, and 65% were female. Forty-seven percent used at least one type of pain medication. The frequency of pain medication use according to pharmaceutical class was nonopioid, 33%; opioid, 12%; adjuvant, 9%; and other drug, 8%. Seventy-seven percent of nonopioids were nonsteroidal anti-inflammatory drugs (NSAIDs), which 25% of participants with hypertension, 28% with stroke, 26% with kidney disease, and 28% with gastrointestinal problems used. Ninety-eight percent of participants who used NSAIDs, 98% experienced potentially inappropriate medication (PIM) use, 69% experienced drug duplication, and 65% experienced drug-drug interactions. This study suggests severe mismanagement of pain in underserved older African Americans, particularly those with comorbidity, multiple providers, and limited access to health care. The use of pain medication was associated with drug-drug interactions, drug duplication, and PIM use. The data show that many participants with severe pain are not taking pain medication or experience PIM use. One in four participants was taking NSAIDs, which can cause serious side effects in older African Americans with multiple chronic conditions.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».