Public injecting and the need for ‘safer environment interventions’ in the reduction of drug‐related harm
Notice bibliographique
Résumé
BACKGROUND: One key structural dimension in the distribution of drug-related harm associated with injecting drug use is the injecting environment. Epidemiological evidence associates elevated blood-borne viral risk with injecting in 'public' and 'semipublic' environments. Yet the quality of evidence on public injecting and related viral risk is variable, and is lacking in many countries such as the United Kingdom. AIM: This commentary considers the micro-injecting environment as a critical dimension of risk, exploring the need for 'safer injecting environment interventions'. METHODS: We draw upon published research evidence and qualitative case examples. RESULTS: We note the limits in epidemiological evidence on public injecting and emphasize the need for ethnographic research to determine the 'social relations' of how drug users and risk practices interact with injecting environments. We identify three main forms of 'safer environment intervention': purpose-built drug consumption rooms; interventions within existing spatial relations; and spatial programming and urban design. While drug consumption rooms find evidence-based support, they are not a panacea. We emphasize the potential of interventions embedded within existing spatial and social relations. These include low-cost pragmatic interventions enhancing facilities and safety at public and semipublic injecting sites and, primarily, peer-based interventions, including peer-supervised injecting sites. We caution against spatial programming and urban design interventions which can cause the displacement of socially marginalized populations and the redistribution of harm. CONCLUSIONS: Public health interventions in the addictions field have in the past focused upon individual behavioural change at the cost of social interventions and environmental change. We wish to focus greater attention on reducing risks related to public injecting and encourage greater debate on 'safer environment interventions' in harm reduction.
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 | 0,017 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,013 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,009 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».