Trends in Medical and Nonmedical Use of Prescription Opioids Among US Adolescents: 1976–2015
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: Most US studies of national trends in medical and nonmedical use of prescription opioids have focused on adults. Given the limited understanding in these trends among adolescents, we examine national trends in the medical and nonmedical use of prescription opioids among high school seniors between 1976 and 2015. METHODS: The data used for the study come from the Monitoring the Future study of adolescents. Forty cohorts of nationally representative samples of high school seniors (modal age 18) were used to examine self-reported medical and nonmedical use of prescription opioids. RESULTS: Lifetime prevalence of medical use of prescription opioids peaked in both 1989 and 2002 and remained stable until a recent decline from 2013 through 2015. Lifetime nonmedical use of prescription opioids was less prevalent and highly correlated with medical use of prescription opioids over this 40-year period. Adolescents who reported both medical and nonmedical use of prescription opioids were more likely to indicate medical use of prescription opioids before initiating nonmedical use. CONCLUSIONS: Prescription opioid exposure is common among US adolescents. Long-term trends indicate that one-fourth of high school seniors self-reported medical or nonmedical use of prescription opioids. Medical and nonmedical use of prescription opioids has declined recently and remained highly correlated over the past 4 decades. Sociodemographic differences and risky patterns involving medical and nonmedical use of prescription opioids should be taken into consideration in clinical practice to improve opioid analgesic prescribing and reduce adverse consequences associated with prescription opioid use among adolescents.
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.
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 | 0,001 |
| 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 découle