<p>Greater Pain Severity is Associated with Inability to Access Addiction Treatment Among a Cohort of People Who Use Drugs</p>
Notice bibliographique
Résumé
Aim: Given that co-occurring pain is prevalent among people who use drugs (PWUD), we sought to explore the effect of pain severity on accessing addiction treatment. Methods: Data were derived from two prospective cohort studies of PWUD in Vancouver, Canada from June 2014 to May 2016. Multivariable generalized linear mixed-effects multiple regression (GLMM) analyses were used to investigate the association between average pain severity and self-reported inability to access addiction treatment. Results: Among 1348 PWUD, 136 (10.1%) reported being unable to access addiction treatment at least once over the study period. Individuals who reported being unable to access addiction treatment had a significantly higher median average pain severity score (median=5, IQR=0– 7) compared to individuals reporting no inability to access addiction treatment (median=3, IQR=0– 6, p =0.038). Greater pain severity was independently associated with higher odds of reporting inability to access addiction treatment (AOR: 1.75, 95%CI: 1.08– 2.82 for mild-moderate vs no pain; AOR: 1.98, 95%CI: 1.27– 3.09 for moderate-severe vs no pain). Conclusion: PWUD with greater pain severity may be at higher risk of being unable to access addiction treatment, or vice versa. While further research is needed to confirm causal associations, these data suggest that there may be underlying pathways or mechanisms through which pain may be associated with access to addiction treatment for PWUD. Keywords: pain, addiction, substance use, health services, opioid agonist treatment, methadone
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 | 0,007 | 0,004 |
| 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 ».