S'abonner

Medical and psychological predictors of prescription opioids dependence during chronic pain treatment - 04/12/18

Facteurs médicaux et psychologiques prédicteurs de la dépendance aux opiacés de prescription lors du traitement de la douleur chronique

Doi : 10.1016/j.erap.2018.10.002 
Ainhoa Coloma-Carmona a, José-Luis Carballo a, , Jesús Rodríguez-Marín a, Ana Pérez-Carbonell b, Carlos Alonso-Garrido b
a Center for Applied Psychology, Miguel Hernández University, Avenida de la Universidad s/n, 03202 Elche, Spain 
b University General Hospital of Elche, Camí de l’Almazara 11, 03202 Elche, Spain 

Corresponding author. Health Psychology Department, Miguel Hernández University, Avenida de la Universidad, s/n, 03202 Elche (Alicante), Spain.Health Psychology Department, Miguel Hernández UniversityAvenida de la Universidad, s/nElche (Alicante)03202Spain

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 6
Iconographies 0
Vidéos 0
Autres 0

Abstract

Introduction

Due to the increasing rates of prescription opioids (PO) dependence, there is a need for designing evaluations that detect, before initiating treatment, those patients with a greater probability of developing PO dependence.

Objective

To develop a mathematical model for predicting PO dependence in chronic pain patients using medical and psychological variables.

Method

Participants were 210 consumers of PO, of which 47.1% met three or more DSM-IV-TR criteria for psychoactive substance dependence. Socio-demographic, medical and psychological variables were assessed.

Results

The number of prescribed drugs, years in treatment, PO consumed and specialists visited is significantly higher in opioid-dependent patients, which consume more anxiolytics and have a greater pain intensity and interference. The predictive model created with the variables number of prescribed drugs and opioids consumed, depression, use of anxiolytics and pain intensity correctly classifies 71.5% of opioid-dependent patients.

Conclusions

Medical as well as psychological variables seem to be involved in the development of PO dependence, so they both should be considered in the treatment planning. Further studies with a bigger sample size are needed to analyze the applicability of the model to identify PO-dependent patients.

Le texte complet de cet article est disponible en PDF.

Résumé

Introduction

En raison des taux croissants de dépendance aux opiacés de prescription (OP), il y a nécessité de concevoir des évaluations qui détectent, avant l’introduction du traitement, ces patients avec une probabilité particulière de développer la dépendance aux OP.

Objectif

Développer un modèle mathématique reposant sur des variables médicales et psychologiques pour prévoir la dépendance aux OP lors du traitement de la douleur chronique.

Méthode

L’échantillon est composé de 210 consommateurs d’OP, dont 47,1 % répondant à au moins trois critères de dépendance définis par le DSM-IV-TR. Des variables sociodémographiques, médicales et psychologiques ont été évaluées.

Résultats

Le nombre de médicaments prescrits, d’années de traitement, d’OP consommés et de spécialistes consultés est significativement plus élevé chez les patients opioïdes-dépendants; ceux-ci consomment également plus d’anxiolytiques et présentent une intensité et une sensibilité à la douleur et une interférence plus grande. Le modèle prédictif avec cinq variables (nombre de médicaments prescrits et d’opiacés consommés, la dépression, l’utilisation d’anxiolytiques et l’intensité perçue de la douleur) classifie correctement 71,5 % de patients opioïdo-dépendants.

Conclusions

Des variables médicales aussi bien que psychologiques semblent être impliquées dans le développement de la dépendance aux OP. On devrait considérer ces variables dans la planification de traitement. De nouvelles études avec un échantillon plus grand sont nécessaires pour analyser l’applicabilité du modèle pour identifier des patients avec dépendance aux OP.

Le texte complet de cet article est disponible en PDF.

Keywords : Prescription opioids dependence, Chronic pain, Risk factors, Predictive model

Mots clés : Dépendance aux opiacés de prescription, Douleur chronique, Facteurs de risque, Modèle prédictif


Plan


© 2018  Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 68 - N° 6

P. 199-204 - décembre 2018 Retour au numéro
Article précédent Article précédent
  • Editorial Board
| Article suivant Article suivant
  • Behavioral control or income? An analysis of saving attitudes and behavior, credit card use and buying on installment
  • J. Minibas-Poussard, H.B. Bingol, C. Roland-Levy

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.