Pain among US adults before, during, and after the COVID-19 pandemic: a study using the 2019 to 2023 National Health Interview Survey
Notice bibliographique
Résumé
ABSTRACT: The unprecedented disruption of the COVID-19 pandemic raises crucial questions about its impact on chronic pain levels in the US population. We present a comprehensive analysis of chronic pain (CP), high-impact chronic pain (HICP), and site-specific pain prevalence before, during, and after the pandemic, and investigate key contributing factors. We analyze a nationally representative sample of 90,769 community-dwelling adults aged 18 years and older from 3 cross-sectional waves of the National Health Interview Survey (2019, 2021, and 2023). Outcomes are CP and HICP; we also present findings for 6 site-specific pain measures. We include an extensive range of covariates (demographics, socioeconomic status, health behaviors, health conditions, mental health, and health insurance type); additional analyses also explore the role of long COVID. Chronic pain prevalence increased from 20.5% (95% confidence interval: 19.9%-21.2%) in 2019 to 20.9% (20.3%-21.6%) in 2021 and 24.3% (23.7%-25.0%) in 2023, representing an 18% increase over the study period. High-impact chronic pain prevalence, which was 7.5% (7.1%-7.8%) in 2019, declined to 6.9% (6.6%-7.3%) in 2021 before rising to 8.5% (8.1%-8.9%) in 2023, a 13% overall increase. The 2023 pain increases were widespread: they occurred for all examined body sites except tooth/jaw pain and all population subgroups. Long COVID accounted for approximately 13% of the observed 2019 to 2023 increase in both CP and HICP. In 2023, an estimated 60 million Americans experienced CP and 21 million experienced HICP, the highest prevalence ever recorded in the National Health Interview Survey. These findings suggest a significant escalation in the population burden of pain, with crucial implications for public health policy.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».