Movement if Life—Optimizing Patient Access to Total Joint Arthroplasty: Alcohol and Substance Abuse Disparities
Notice bibliographique
Résumé
Alcohol use disorders (AUDs) and substance use disorders (SUDs) place patients undergoing total joint arthroplasty at notable risk for complications. AUD and SUD disproportionately affect vulnerable communities and often coexist. Following is a discussion of the presence of these disorders in vulnerable populations and approaches to screening for them to optimize care and reduce the risks of joint arthroplasty surgery. 25.1% of American adults report binge drinking in the past year, and 5.8% of American adults carry a diagnosis of AUD. Alcohol consumption and AUD disproportionately affect American Indians/Alaskan Natives, and heavy episodic drinking is highest in Latinx and American Indians. AUD is higher in those who are unemployed, have lower education level, and those who are single/divorced. Alcohol use in the preoperative period is associated with difficulty maintaining blood pressure during surgery, infections, wound disruptions, and increased length of stay. In addition, patients with AUD or unhealthy alcohol use have a greater comorbidity burden, including liver disease and dementia, that predisposes them to poor surgical outcomes. Optimization in these vulnerable populations include proper screening, cessation programs, psychosocial interventions, assessment of support systems, and pharmacologic interventions. 38% of adults battle a drug use disorder. Twenty-one million Americans have at least one addiction, but only 10% receive treatment. Rates of opioid use and opioid-related deaths have continued to rise. Recreational drug use is highest in American Indians. Marijuana use is highest in Black and Latinx lesbian, gay, and bisexual women. Overall, substance use is associated with depression and anxiety; discrimination based on race, ethnicity, sex, or sexual preference is also deeply interwoven with depression, anxiety, and substance use. Preoperative use of opioids is the number one predictor of prolonged chronic postoperative opioid use. Optimization in these vulnerable groups begins with appropriate screening, followed by psychosocial interventions, social work and substance abuse counseling, and pharmacologic therapies.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».