The relative contribution of pain and psychological factors to opioid misuse: A 6-month observational study.
Notice bibliographique
Résumé
There is a pressing need to better understand the factors contributing to prescription opioid misuse among patients with chronic pain. Cross-sectional studies have been conducted in this area, but longitudinal studies examining the determinants of prescription opioid misuse repeatedly over the course of opioid therapy have yet to be conducted. The main objective of this study was to examine the relative contribution of pain and psychological factors to the occurrence of opioid misuse among patients with chronic pain prescribed opioids. Of particular interest was to examine whether pain intensity and psychological factors were more strongly associated with certain types of opioid misuse behaviors. Patients with chronic pain (n = 194) prescribed long-term opioid therapy enrolled in this longitudinal observational cohort study. Patients completed baseline measures and were then followed for 6 months. Opioid misuse was assessed once a month using self-report measures, and urine toxicology screens complemented patients' reports of opioid misuse. Heightened pain intensity levels were associated with a greater likelihood of opioid misuse (p = .014). However, pain intensity was no longer significantly associated with opioid misuse when controlling for psychological factors (i.e., negative affect, catastrophizing). Subsequent analyses revealed that higher levels of catastrophizing were associated with a greater likelihood of running out of opioid medication early, even after controlling for patients' levels of pain intensity and negative affect (p = .016). Our findings provide new insights into the determinants of prescription opioid misuse and have implications for the nature of interventions that may be used to reduce specific types of opioid misuse behaviors. (PsycInfo Database Record (c) 2020 APA, all rights reserved).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 source (Gemma direct ou Codex distillé), 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 ».