Characterising the association between positive hepatitis C virus antibody and pain among people who inject drugs
Notice bibliographique
Résumé
INTRODUCTION AND AIMS: People who inject drugs (PWID) are a key group within the hepatitis C virus (HCV) pandemic. Chronic pain is a common condition among PWID as these individuals are often exposed to soft tissue infections due to injections and violence. This study aims to characterise the relationship between HCV exposure and pain among PWID. DESIGN AND METHODS: Data were derived from three prospective cohorts of PWID in Vancouver, Canada, between December 2011 and November 2016. The primary outcome was pain severity, which was defined based on the Euroqol EQ-5D-3L pain subscale. A bivariable and multivariable ordinal generalised estimating equations model was used to quantify the association between HCV exposure and pain among participants. RESULTS: One thousand and twelve of 2038 participants (50%) reported moderate/extreme pain at baseline. In total, 1473 (72%) participants were HCV-antibody positive. In unadjusted analyses, HCV exposure was positively associated with increased pain [odds ratio (OR) = 1.47; 95% confidence interval (CI): 1.20-1.81]. However, once adjusted for known confounders in multivariable analyses, HCV exposure did not remain significantly associated with increased pain (adjusted OR = 1.00; 95%CI: 0.78-1.28). DISCUSSION AND CONCLUSIONS: In this sample of PWID, HCV exposure was not significantly associated with pain once other factors were considered. These various factors may explain the elevated risk of pain among PWID and should be addressed in future initiatives when managing pain among PWID with HCV exposure. Future studies should also examine whether pain changes with changes in HCV status (i.e. active vs. cleared infection).
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 | 0,003 | 0,000 |
| 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 | 0,000 | 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 ».