Factors Associated With Opioid Use in Presurgical Knee, Hip, and Spine Osteoarthritis Patients
Notice bibliographique
Résumé
OBJECTIVE: To evaluate rates of prescription opioid use among patients with presurgical knee, hip, and spine osteoarthritis (OA) and associations between use and sociodemographic and health status characteristics. METHODS: Participants were patients with presurgical, end-stage OA of the knee (n = 77), hip (n = 459), and spine (n = 168). Data were collected on current use of opioids and other pain medications, as well as measures of sociodemographic and health status variables and depression and pain (0-10 numeric rating scale). Rates of opioid use were calculated by sex, age, and surgical site. Multivariable logistic regression was used to examine associations between opioid use (sometimes/daily versus never) and other study variables. RESULTS: The mean age of participants was 65.6 years; 55.5% were women, 15% of patients reported "sometimes" using opioids, and 15% reported "daily use." Use of opioids was highest among patients with spine OA (40%) and similar among patients with knee and hip OA (28% and 30%, respectively). Younger women (ages <65 years) reported the greatest use of opioids overall, particularly among patients with spine OA. From multivariable logistic regression, greater likelihood of opioid use was significantly associated with spine OA (versus knee OA), obesity, being a current or former smoker, higher symptomatic joint count, greater depressive symptoms, greater pain, and current use of other prescription pain medication. CONCLUSION: Nearly one-third of patients with presurgical OA used prescription opioid medication. Given the questionable efficacy of opioids in OA and risk of adverse effects, higher opioid use among younger individuals and those with depressive symptoms is of concern and warrants further investigation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,001 |
| 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 ».