Significant factors associated with problematic use of opioid pain relief medications among the household population, Canada, 2018.
Notice bibliographique
Résumé
BACKGROUND: Reliance on the use of opioids to manage pain has increased over time, as have opioid-related morbidity and deaths. In 2018, 12.7% of Canadians reported having used opioid pain relief medications (OPRMs) in the previous year. Among these people, 9.6% had engaged in problematic use that could cause harm to their health. Though socioeconomic characteristics associated with opioid-related harms have previously been reported, population-level evidence based on administrative health data lacks important behavioural and psychosocial information. This analysis extends previous research by using modelling to report factors related to the problematic use of OPRMs for the household population aged 15 and older in Canada. DATA AND METHODS: This analysis uses responses to the 2018 Canadian Community Health Survey to identify factors that are significantly associated, after adjustment using multivariate logistic regression models, with elevated odds of problematic use of OPRMs. RESULTS: The fully adjusted model confirmed that being male, being younger (ages 20 to 24), having fair or poor mental health, having unmet needs for help with mental or emotional health or substance problems, being a smoker, or being unattached and living with others were significantly related to problematic OPRM use. INTERPRETATION: Subjective perceptions significantly related to problematic OPRM use, independent of socioeconomic circumstances, were examined in this study. While previous research based on administrative health data has contributed much to knowledge about factors associated with opioid harms, modelled results revealed that self-reported experiential factors also warrant consideration as they are significantly associated with problematic use. Having fair or poor mental health, having unmet perceived needs for help, and being unattached in terms of household arrangement relationship were related to problematic use of OPRMs, even after adjustment for socioeconomic and other health covariates. This study suggests risk profiles that could be used to inform health care providers, and strategies to support safe pain management.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».