Prevalence and Associated Factors of Regular Nonsteroidal Anti-inflammatory Drugs used in a Rural Community, Thailand
Notice bibliographique
Résumé
BACKGROUND: In Thailand, 67.2% of the population widely uses analgesics including nonsteroidal anti-inflammatory drugs (NSAIDs), which may lead to serious side effects. However, the information of regular NSAIDs used in Thailand is still limited.METHODS: A mixed method cross-sectional study was conducted. Quantitative data were collected using questionnaires to determine the prevalence and factors associated with regular NSAID use. The qualitative study was conducted using group and in-depth interviews to determine the knowledge, attitudes and practices of NSAID users.RESULTS: Of 771 participants, the prevalence of NSAID use was 31.1 and regular NSAID use was 7.4. Age, pain at the hips or thighs and pain score were independent factors associated with regular NSAID use. The qualitative study indicated that the use of NSAIDs was influenced by drug effectiveness, sources of NSAIDs and consideration of benefits and risks of the drugs.CONCLUSION: This was the first report on the prevalence and associated factors of regular NSAID use in Thailand. In this community, nonprescribed NSAIDs might cause some serious side effects and undesirable drug interaction. Information on side effects of pain medications should be disseminated to the public including guidelines on how to use pain medications.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».