Sociodemographic and Clinical Predictors of Prescription Opioid Use in a Longitudinal Community-Based Cohort Study of Middle-Aged and Older Adults
Notice bibliographique
Résumé
Background: Despite declining opioid prescribing rates in the United States, the annual prevalence of prescription opioid use in adults ≥50 years old is estimated to be 40%, higher than that of younger adults (ages 18-29 years, 36%). As the American population ages, understanding factors that contribute to overall opioid use is a necessary first step in the determination and mitigation of inappropriate prescribing and opioid-related harms. Objective: Assess predictors of prescription opioid use in an adult population with a high prevalence of chronic pain. Methods: Data were from a community-based cohort of White and African American adults aged 50-90 years residing in predominantly rural Johnston County, North Carolina. Univariable and multivariable logistic regression models were used to evaluate sociodemographic and clinical factors in non-opioid users (n=795) at baseline (2006-2010) as predictors of opioid use at follow-up (2013-2015). Variables included age, sex, race, obesity (BMI≥30kg/m2), polypharmacy (5+ medications), educational attainment (<12, ≥12 years), employment (unemployed, employed/retired), insurance (uninsured, public, private), Census block group household poverty rate (<12%, 12–24%, ≥25%), depressive symptoms (Center for Epidemiologic Studies Depression Scale ≥16 or depression diagnosis), perceived social support (moderate/poor [<19], strong [≥19]; Strong Ties Measure of Social Support, range 0-20), pain sensitivity (sensitive [<4kg], normal [≥4kg] pressure pain threshold), and pain catastrophizing (high [≥15], moderate/low [<15]; Pain Catastrophizing Helplessness Subscale, range 0-25). Results: At follow-up, 13% (n=100) of participants were using prescription opioids. In univariable models, younger age, female sex, obesity, polypharmacy, unemployment, public (vs. private) health insurance, higher poverty rate, depressive symptoms, poorer perceived social support, pain catastrophizing, and elevated pain sensitivity were independently associated (p<0.05) with opioid use. In the multivariable model, younger age (60 vs. 70 years; adjusted odds ratio, 95% confidence interval=2.52, 1.08−5.88), polypharmacy (2.16, 1.24−3.77), high pain catastrophizing (2.17, 1.33−3.56), and depressive symptoms (2.00, 1.17−3.43) remained significant independent predictors. Conclusion: The simultaneous assessment of a breadth of clinical and sociodemographic factors identified polypharmacy, pain catastrophizing, and depressive symptoms as modifiable predictors of prescription opioid use. These findings support the incorporation of pharmacological review and behavioral approaches into chronic pain management strategies. Further research is warranted to track changes in these factors as prescription opioid use declines nationwide.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».