Anxiety and Fear Avoidance Beliefs and Behavior May Be Significant Risk Factors for Chronic Opioid Analgesic Therapy Reliance for Patients with Chronic Pain—Results from a Preliminary Study
Notice bibliographique
Résumé
OBJECTIVE: To describe differences between patients with chronic, non-cancer pain (CNCP) who were successfully able to cease full mu agonist chronic opioid analgesic therapy (COAT), and those who exhibited refractory COAT reliance, among those who participated in a multidisciplinary program designed for COAT cessation. DESIGN: A retrospective review of electronic medical records (EMR) data was organized for preliminary analysis. SETTING: A multicenter private practice specializing in CNCP, which received patient referrals from the surrounding geographical area of primary and specialty care offices in Northern California. SUBJECTS: Data from 109 patients with CNCP who participated in a multidisciplinary program to cease COAT between the dates of October 2017 to December 2019 were examined. METHODS: EMR data, pre-COAT cessation, of oral morphine milligram equivalence (MME) and validated questionnaire responses assessing anxiety and fear-based beliefs and behavior, as well as opioid misuse, were extracted and compared between those who successfully ceased COAT and those who did not. RESULTS: Patients who were unsuccessful at COAT cessation reported significantly higher Fear Avoidance Beliefs Questionnaire (FAB) scores. No significant differences were found based on incoming MME amounts, Current Opioid Misuse Measure (COMM) or Tampa Scale of Kinesiophobia (TSK) scores. Pain Catastrophizing Scale (PCS) scores showed a split pattern with unclear significance. CONCLUSIONS: Results suggest that fear avoidance beliefs and behavior, as measured by the FAB, play a significant role in refractory COAT reliance for patients with CNCP.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 ».