Prescription Opioid Medication Survey: A Tool to Collect Deep Phenotypic Data on the Multifactorial Pathways to Opioid Use Disorder in Clinical and Population-Based Cohorts
Notice bibliographique
Résumé
Introduction: We are in the midst of an opioid epidemic. In the USA, more than a third of the country knows someone who has died from an opioid overdose. Prescription opioids (e.g., oxycodone, hydrocodone, and fentanyl) are commonly used and misused, and it has been estimated that approximately 8-12% of individuals who misuse opioids will subsequently develop an opioid use disorder (OUD). While emphasis has been placed on understanding OUD and the associated adverse effects, there remains a critical gap in systematically characterizing the multifactorial pathways (e.g., behavioral, clinical, genetic, and socio-demographic characteristics) that contribute to the transition from initial use to misuse to OUD. Methods: To address this gap, we introduce the Prescription Opioid Medication Survey (POMS), an online 120-item assessment that compiles multiple validated and standardized instruments. POMS is intended for individuals with any lifetime prescription opioid use. POMS captures various aspects of prescription opioid use including data on opioid use patterns, subjective effects (e.g., euphoria, nausea), problematic use, withdrawal, OUD, overdose, treatment history, and remission. It also addresses comorbid risk factors such as surgical history, chronic pain, other substance use disorders (SUD; e.g., nicotine, alcohol, cannabis, stimulants), other addictive behaviors (i.e., gambling, sexual behaviors, and gaming), and family history of SUD and other addictive behaviors. Mental health assessments, including screening for depression and anxiety, self-reports of eight psychiatric disorders (anxiety, depression, bipolar, schizophrenia, attention-deficit/hyperactivity disorder, post-traumatic stress disorder, obsessive-compulsive disorder, eating disorders), and related mental health conditions (e.g., loneliness, suicide, trauma) are included, along with data on personality traits (e.g., risk-taking, delay discounting, wisdom) and socio-demographic factors. POMS is intended to be administered in clinical settings and large population-based cohorts, facilitating data collection that can enable discoveries to inform better prevention and intervention strategies for OUD. Conclusion: POMS offers a comprehensive tool for systematically capturing the multifactorial risk factors associated with opioid misuse and OUD, providing insights that can inform prevention and intervention strategies.
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 | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».