Prevalence of chronic non-cancer pain among military veterans: a systematic review and meta-analysis of observational studies
Notice bibliographique
Résumé
INTRODUCTION: Chronic non-cancer pain is common among military veterans; however, the prevalence is uncertain. This information gap complicates policy decisions and resource planning to ensure veterans have access to healthcare services that align with their needs. METHODS: Following Preferred Reporting Items for Systematic Review and Meta-Analysis Protocols, we searched MEDLINE, EMBASE, PsycINFO, CINAHL and Web of Science from inception to 9 February 2023 for observational studies reporting the prevalence of chronic non-cancer pain among military veterans. We performed random-effects meta-analysis to pool pain prevalence data across studies and used the Grading of Recommendations, Assessment, Development and Evaluation approach to evaluate the certainty of evidence. RESULTS: Forty-two studies that included 14 305 129 veterans were eligible for review, of which 28 studies (n=5 011 634) contributed to our meta-analysis. Most studies (90%; 38 of 42) enrolled US veterans, the median of the mean age among study participants was 55 years (IQR 45-62) and 85% were male. The pooled prevalence of chronic non-cancer pain was 45%; however, we found evidence of a credible subgroup effect based on representativeness of the study population. Moderate certainty evidence found the prevalence of chronic pain among studies enrolling military veterans from the general population was 30% (95% CI 23% to 37%) compared with 51% (95% CI 38% to 64%) among military veterans sampled from populations with high rates of conditions associated with chronic pain (p=0.005). CONCLUSION: We found moderate certainty evidence that 3 in every 10 military veterans from the general population live with chronic non-cancer pain. These findings underscore the importance of ensuring access to evidence-based care for chronic pain for veterans, and the need for prevention and early management to reduce transition from acute to chronic pain. Further research, employing a standardised assessment of chronic pain, is needed to disaggregate meaningful subgroups; for example, the proportion of veterans living with moderate to severe pain compared with mild pain.
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 | 0,011 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,015 | 0,004 |
| 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 ».