Global patterns of prescription pain medication usage in disorders of <scp>gut–brain</scp> interactions
Notice bibliographique
Résumé
BACKGROUND: Forty percent of individuals globally meet Rome IV criteria for a disorder of gut-brain interaction (DGBI). The global burden of pain across these disorders has not been characterized. METHODS: Our study included 54,127 respondents from the 26 Internet survey countries. Prescription pain medication usage was selected as the proxy for pain. The associations between prescription pain medications and the environmental, sociodemographic, psychosocial, and DGBI diagnosis variables were investigated using the multivariate generalized robust Poisson regression model. KEY RESULTS: Respondents with DGBI used prescription pain medications at higher rates than those without a DGBI diagnosis with pooled prevalence rate of 14.8% (95% confidence interval [CI], 14.4-15.3%), varying by country from 6.8% to 25.7%. The pooled prevalence ratio of prescription pain medication usage in respondents with and without DGBI was 2.2 (95% CI: 2.1-2.4). Factors associated with higher prevalence of pain medication usage among respondents with a DGBI diagnosis included living in a small community, increased anxiety, depression or somatization, increased stress concern or embarrassment about bowel functioning and having more than one anatomic DGBI diagnosis. CONCLUSION: 14.8% of patients globally with at least one diagnosis of DGBI were on prescription pain medications with wide geographic variation, about twice as many as their counterparts without a diagnosis of DGBI. Environmental, sociodemographic, and individual factors may influence clinicians to consider personalized, multimodal approaches to address pain in patients with DGBI.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».