Dose–response relationship between functional pain interference and nonmedical analgesic use: Findings from a nationally representative Canadian survey
Notice bibliographique
Résumé
BACKGROUND: Despite the epidemic of nonmedical analgesic use (NMAU) in North America, there is a scarcity of research quantifying the effect of pain on NMAU. AIMS: This study sought to investigate the relationship between NMAU and functional pain interference, defined as the perceived level of interference in performing activities of daily living due to pain, in a population-based sample of the general Canadian population. METHODS: Data from the 2012 Canadian Community Health Survey (CCHS)-Mental Health, a nationally representative cross-sectional survey, were used to conduct bivariable and multivariable logistic regression analyses. RESULTS: The weighted prevalences of pain and NMAU were 20.6% and 6.6%, respectively. After adjusting for age, sex, education, culture/race, and chronic mental health diagnosis, a dose-response relationship was observed between higher functional pain interference and increased odds of NMAU, ranging from 1.61 (95% confidence interval [CI], 1.22-2.12) to 2.98 (95% CI, 2.21-4.01) from the lowest to the highest levels of functional pain interference. Elevated odds of NMAU were also observed among younger respondents aged 20-29 years and 15-19 years, respondents with a chronic mental illness diagnosis, and males. Secondary analyses revealed that the dose-response relationship between greater function pain interference and increased odds of NMAU persisted within subgroups with and without mental illness, as well as within subgroups aged 40 to 69. CONCLUSIONS: These findings highlight the potential role of pain on increasing NMAU and the need for targeted strategies to reduce harms of NMAU among high-risk subgroups such as young adults.
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 | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».