Substance abuse treatment and pressures from the criminal justice system: data from a provincial client monitoring system
Notice bibliographique
Résumé
AIMS: Compulsory treatment is discussed increasingly as a way to reduce the population burden of addictive behaviours. This study explores the extent to which social control strategies exercised through the criminal justice system are used to bring people into substance abuse treatment at a system level. We also assessed whether particular subgroups may be more or less likely to be brought into treatment in this manner. DESIGN: We employed a secondary analysis of data from a client-based information system which captured demographic, referral and substance use characteristics from people seeking treatment for substance abuse. PARTICIPANTS: A census of clients (n = 45123) entering specialized Ontario addiction treatment programmes between 1 April 1999 and 31 March 2000. FINDINGS: Some 28.9% of clients reported legal problems at treatment intake, and 13.9% had an explicit corrections-related condition of treatment contact. Logistic regression analyses indicated that legal problems and corrections-related conditions of treatment were more prevalent among younger, unmarried and unemployed males, who had not completed high school. A number of important interactions were identified between these factors and substance of abuse. CONCLUSIONS: Implications for equity, accessibility and effectiveness of substance abuse treatment are discussed in relation to the tendency of treatment mandates from criminal justice system to disproportionately affect the entry of this segment of substance-abusing clients.
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 | 0,000 | 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 | 0,000 |
| 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 ».