Trends in Prescription Chronic Pain Medication Use before and during the First Wave of the COVID-19 Pandemic in Québec, Canada: An Interrupted Time Series Analysis
Notice bibliographique
Résumé
Background: In Canada, a state of health emergency was declared in May 2020 as a result of the COVID-19 pandemic. This study aimed to assess trends in the use of prescription medication for pain management by people living with chronic pain before and during the first wave of the pandemic. Methods: Participants (n = 177) were adults reporting chronic pain who had completed a web-based questionnaire in 2019 and for whom complete longitudinal private and public insurance prescription claims were available. The monthly prevalence of medication use for nonsteroidal anti-inflammatory drugs (NSAIDs), opioids, and prescribed cannabinoids was assessed. An interrupted time series analysis was then performed to evaluate if the COVID-19 pandemic had had an impact on trends in pain medication use. Results: The beginning of the first wave of the pandemic was associated with the onset of a downward trend in opioid use (p < 0.05); no such association was found regarding NSAIDs. However, point prevalence of opioid use at the beginning (Nov. 2019) and at the end (Mai 2020) of the study period remained somewhat stable (17.0% vs. 16.4%). Regarding prescribed cannabinoids, a gradual increase in use was observed over the entire study period independently from the impact of the first wave of the pandemic (15.3% vs. 22.6%, p < 0.05). Conclusion: While the occurrence of the first wave did have an impact on opioid use among people living with chronic pain, access to and use of opioids appear to have returned to normal before the end of the first wave of COVID-19.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».