Pain, opioid use, depressive symptoms, and mortality in adults living in precarious housing or homelessness: a longitudinal prospective study
Notice bibliographique
Résumé
ABSTRACT: Pain and related consequences could contribute to comorbid illness and premature mortality in homeless and precariously housed persons. We analyzed longitudinal data from an ongoing naturalistic prospective study of a community-based sample (n = 370) to characterize risk factors and consequences of bodily pain. The aims were to describe bodily pain and associations with symptoms and psychosocial function, investigate factors that may increase or ameliorate pain, and examine the consequences of pain for symptoms, functioning, and all-cause mortality. Bodily pain severity and impact were rated with the 36-item Short Form Health Survey Bodily Pain Scale monthly over 5 years. Mixed-effects linear regression models estimated the effects of time-invariant and time-varying risk factors for pain, verified by reverse causality and multiple imputation analysis. Regression models estimated the associations between overall person-mean pain severity and subsequent functioning and suicidal ideation, and Cox proportional hazard models assessed association with all-cause mortality. Bodily pain of at least moderate severity persisted (>3 months) in 64% of participants, exceeding rates expected in the general population. Greater pain severity was associated with depressive symptom severity and month-to-month opioid use, overlaid on enduring risk associated with age, arthritis, and posttraumatic stress disorder. The frequency of prescribed and nonprescribed opioid use had nonlinear relationships with pain: intermittent use was associated with severe pain, without reverse association or change with the overdose epidemic. Greater longitudinal mean pain severity was associated with premature mortality, poorer functioning, and suicidal ideation. Considering the relationships between pain, intermittent opioid use, and depressive symptoms could improve health care for precariously housed patients.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 | 0,001 |
| 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 ».