Co-use of cannabis and prescription opioids in adults in the USA: a population-based, cross-sectional analysis of the NHANES from 2009 to 2018
Notice bibliographique
Résumé
INTRODUCTION: Cannabis and cannabinoids continue to gain popularity as adjuncts or alternatives to opioids in pain management, with evolving evidence of effectiveness. The relationship between cannabis and opioid use has previously been investigated in smaller cohorts or ecological samples, but not yet in a nationally representative sample. METHODS: A cross-sectional analysis of adults in the USA was undertaken using National Health and Nutrition Examination Survey (NHANES) data from 2009 to 2018. The primary exposure was self-reported use of at least one opioid-containing prescription medication in the 30 days prior to survey administration. The outcome of interest was self-reported cannabis use in the same period. Multivariable logistic regression was used to adjust for sociodemographic and health-related covariates, and NHANES survey sample weights were included in modeling. Prescription opioid users were then subclassified as short-term users (<90 days) or chronic users (≥90 days) in secondary analysis. RESULTS: A total 10,928 survey respondents were included in analyses, representing 110 million adults in the USA aged 18-59. In this weighted cohort, 5.6%±0.4% reported a recent opioid prescription. Among prescription opioid users, 18.4%±3.1% reported recent cannabis use, not significantly different from 17.7%±0.7% among non-users (OR 1.05, 95% CI 0.81 to 1.36, p=0.714). After adjustment for covariates, opioid users were significantly less likely to have recently used cannabis (adjusted OR, aOR 0.70, 95% CI 0.51 to 0.97, p=0.032). When opioid users were subclassified by duration of prescription, there was no detectable difference in recent cannabis use between chronic opioid users and short-term opioid users (aOR 1.11, 95% CI 0.70 to 1.78, p=0.649). CONCLUSION: Recent prescription opioid use was associated with decreased odds of cannabis use in this cross-sectional analysis of a nationally representative cohort. These findings suggest that use of cannabis or prescription opioids may not independently promote use of the other.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».