Self-Reported Pain Treatment Practices Among U.S. and Canadian Adults: Findings From a Population Survey
Notice bibliographique
Résumé
Background and Objectives: Pain treatments and their efficacy have been studied extensively. Yet surprisingly little is known about the types of treatments, and combinations of treatments, that community-dwelling adults use to manage pain, as well as how treatment types are associated with individual characteristics and national-level context. To fill this gap, we evaluated self-reported pain treatment types among community-dwelling adults in the United States and Canada. We also assessed how treatment types correlate with individuals' pain levels, sociodemographic characteristics, and country of residence, and identified unique clusters of adults in terms of treatment combinations. Research Design and Methods: We used the 2020 "Recovery and Resilience" United States-Canada general online survey with 2 041 U.S. and 2 072 Canadian community-dwelling adults. Respondents selected up to 10 pain treatment options including medication, physical therapy, exercise, etc., and an open-ended item was available for self-report of any additional treatments. Data were analyzed using descriptive, regression-based, and latent class analyses. Results: Over-the-counter (OTC) medication was reported most frequently (by 55% of respondents, 95% CI 53%-56%), followed by "just living with pain" (41%, 95% CI 40%-43%) and exercise (40%, 95% CI 38%-41%). The modal response (29%) to the open-ended item was cannabis use. Pain was the most salient correlate, predicting a greater frequency of all pain treatments. Country differences were generally small; a notable exception was alcohol use, which was reported twice as often among U.S. versus Canadian adults. Individuals were grouped into 5 distinct clusters: 2 groups relied predominantly on medication (prescription or OTC), another favored exercise and other self-care approaches, one included adults "just living with" pain, and the cluster with the highest pain levels employed all modalities heavily. Discussion and Implications: Our findings provide new insights into recent pain treatment strategies among North American adults and identify population subgroups with potentially unmet need for more adaptive and effective pain management.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».