The impact of drug use patterns on mortality among polysubstance users in a Canadian setting: a prospective cohort study
Notice bibliographique
Résumé
BACKGROUND: Illicit drug use is a well-established risk factor for morbidity and mortality. However, few studies have examined the impact of different drug use patterns on mortality among polysubstance using populations. This study aimed to identify drug-specific patterns of mortality among a cohort of polysubstance using persons who inject drugs (PWIDs). METHODS: PWIDs in Vancouver, Canada were prospectively followed between May 1996 and December 2011. Participants were linked to the provincial vital statistics database to ascertain mortality rates and causes of death. We used multivariate Cox proportional hazards regression to investigate the relationships between drug use patterns (daily alcohol use, heroin injection and non-injection use, cocaine injection, amphetamine injection and non-injection use, crack smoking and speedball injecting) and time to all-cause mortality. RESULTS: 2330 individuals were followed for a median of 61 months (inter-quartile range: 33 - 112). In total, 466 (19.1%) individuals died for an incidence density of 3.1 (95% confidence interval [CI]: 2.8 - 3.4) deaths per 100 person-years. In multivariate analyses, after adjusting for HIV infection and other potential confounders, only daily cocaine injection remained independently associated with all-cause mortality (adjusted hazard ratio [AHR] = 1.36, 95% CI: 1.06 - 1.76). CONCLUSIONS: Although heroin injecting is traditionally viewed as carrying the highest risk of mortality, in this setting, only daily cocaine injecting was associated with all-cause mortality. These findings highlight the urgent need to identify novel treatments and harm reduction strategies for cocaine injectors.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».