Fattori di rischio per la dipendenza da analgesici oppiacei, spettro dell'abuso di sostanze e qualità ed intensità del dolore
Bibliographic record
Abstract
Il dolore cronico rappresenta un importante problema in ambito medico e sociale, in particolar modo perché di difficile gestione. Negli ultimi anni, l’uso degli oppioidi nel trattamento del dolore è aumentato progressivamente e con esso sono aumentati anche i casi di addiction nei pazienti trattati con questi farmaci. Lo scopo di questa tesi è ricercare correlazioni a livello univariato e multivariato fra qualità ed intensità del dolore e fattori di rischio per la dipendenza da oppiacei analgesici, con particolare riferimento al ruolo dello spettro dell’abuso di sostanze. Scopo secondario è la ricerca di correlazioni fra lo strumento di rilevazione dello spettro dell’abuso di sostanze ed i fattori di rischio della dipendenza da oppiacei analgesici, per un affinamento dello strumento stesso. Il campione, reclutato presso il reparto di Terapia Antalgica dell’ospedale Santa Chiara di Pisa, risulta costituito da 154 soggetti con dolore acuto o cronico all’ingresso in trattamento con analgesici oppiacei, Come strumenti sono stati utilizzati la scheda anagrafica, una per la rilevazione dei fattori di rischio, il McGill Pain Questionnaire e il questionario SCI-SUBs modificato. I risultati hanno mostrato che l’intensità attuale del dolore correla positivamente con l’essere una giovane donna e con la sensitività alle sostanze mentre la qualità sensoriale e affettiva del dolore correlano solo con lo SCI-SUBS, in particolare con i problemi con l’uso di sostanze. L’automedicazione, invece, caratterizza la dimensione valutativa e miscellanea del dolore. Correlazioni positive, benchè si estrinsichino solo a livello univariato, si hanno tra fattori di rischio e SCI-SUBS. Possiamo dunque concludere che il dolore è collegato allo spettro d’abuso di sostanze, mantre automedicazione e problemi con l’uso di sostanze correlano inversamente tra loro almeno in rapporto all’attribuzione del dolore.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".