Does Gender Moderate the Relationship Between Chronic Pain and Substance Use Disorder? Insights From a National Canadian Population Survey
Notice bibliographique
Résumé
Background Though it has been shown that men have a higher lifetime prevalence of substance use disorder and a lower prevalence of chronic pain than women, there is little research to date focusing on gender differences in the relationship between chronic pain and substance use disorder. This study examined whether gender moderates the relationship of chronic pain and substance use disorder. We also sought to examine the gender differences in the associations between specific pain types—arthritis, migraine, and back pain, and substance use disorder. Methods The data were drawn from the 2012 Canadian Community Health Survey-Mental Health (CCHS-MH 2012) with individuals aged 20 years and older living in the 10 Canadian provinces (N = 23,089). A two-level logistic mixed effects model was used to account for provincial differences. Results Our findings indicated gender moderated the association between arthritis as well as migraine, and substance use disorder. However, no moderation effect of gender on the relationship between back pain and substance use disorder was found. Specifically, the strength of the association between arthritis and substance use disorder was stronger among men (ORinteraction = 0.62, 95% CI: 0.53 to 0.73), whereas the strength of the association between migraine and substance use disorder was stronger among women (ORinteraction = 1.45, 95% CI: 1.18 to 1.79). In addition, geographical location was found to explain a small proportion (2.3%-2.4%) of the overall variance in SUD. Conclusions The results suggest that gender moderated the relations between arthritis as well as migraine, and substance use disorder, respectively. Treatment programs for pain and substance misuse might benefit from an approach tailored to gender differences.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».