Prevalence and correlates of prescription opioid use among US adults, 2019–2020
Notice bibliographique
Résumé
This study estimates the prevalence of prescription opioid use (POU) in the United States (US) in 2019-2020, both in the general population and specifically among adults with pain. It also identifies key geographic, demographic, and socioeconomic correlates of POU. Data were from the nationally-representative National Health Interview Survey 2019 and 2020 (N = 52,617). We estimated POU prevalence in the prior 12 months among all adults (18+), adults with chronic pain (CP), and adults with high-impact chronic pain (HICP). Modified Poisson regression models estimated POU patterns across covariates. We found POU prevalence of 11.9% (95% CI 11.5, 12.3) in the general population, 29.3% (95% CI 28.2, 30.4) among those with CP, and 41.2% (95% CI 39.2, 43.2) among those with HICP. Findings from fully-adjusted models include the following: In the general population, POU prevalence declined about 9% from 2019 to 2020 (PR = 0.91, 95% CI 0.85, 0.96). POU varied substantially across US geographic regions: It was significantly more common in the Midwest, West, and especially the South, where adults had 40% higher POU (PR = 1.40, 95% CI 1.26, 1.55) than in the Northeast. In contrast, there were no differences by rural/urban residence. In terms of individual characteristics, POU was lowest among immigrants and among the uninsured, and was highest among adults who were food insecure and/or not employed. These findings suggest that prescription opioid use remains high among American adults, especially those with pain. Geographic patterns suggest systemic differences in therapeutic regimes across regions but not rurality, while patterns across social characteristics highlight the complex, opposing effects of limited access to care and socioeconomic precarity. Against the backdrop of continuing debates about benefits and risks of opioid analgesics, this study identifies and invites further research about geographic regions and social groups with particularly high or low prescription opioid use.
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 | 0,000 | 0,000 |
| 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 ».