Prevalence and Risk Factors of Substance Use Disorder in Rheumatoid Arthritis
Notice bibliographique
Résumé
OBJECTIVE: In this study, we aimed to determine the lifetime prevalence of substance use disorder (SUD) in a Canadian rheumatoid arthritis (RA) cohort and factors associated with SUD in RA. METHODS: Participants with RA (N = 154) were recruited via rheumatology clinics as part of a larger cohort study of psychiatric comorbidity in immune-mediated inflammatory diseases. SUD is defined as the uncontrolled use of a substance despite the harmful consequences of its use. To identify lifetime SUD, the Structured Clinical Interview for Diagnostic and Statistical Manual of Mental Disorders, Fourth Edition was administered to participants. Participants' sociodemographic and RA clinical characteristics were also assessed. We examined factors associated with lifetime SUD using unadjusted and adjusted logistic regression modeling. RESULTS: Twenty-three (14.9%) of 154 participants with RA met the criteria for a lifetime diagnosis of SUD. The majority of the participants were women, were White, had postsecondary education, and were on a disease-modifying antirheumatic drug. Factors associated with increased odds of SUD were male sex (adjusted odds ratio [aOR]: 3.63, 95% confidence interval [CI]: 1.03-12.73), younger age (aOR: 0.94, 95% CI: 0.90-0.98), and ever smoking (aOR: 6.44, 95% CI: 1.53-27.07). CONCLUSION: We found that approximately 1 in 7 individuals with RA had a lifetime diagnosis of SUD, highlighting the importance of identifying and treating SUD in those with RA. In particular, the following factors were associated with higher odds of SUD: male sex, younger age, and smoking behaviors.
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 | 0,001 |
| 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) | 0,001 | 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 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 ».