Drug use patterns among Thai illicit drug injectors amidst increased police presence
Notice bibliographique
Résumé
Thailand has traditionally pursued an aggressive enforcement-based anti-illicit drug policy in an effort to make the country "drug-free." In light of this ongoing approach, we sought to assess impacts of enforcement on drug use behaviors among a cohort of injection drug users (IDU) in Thailand. We examined drug use patterns among IDU participating in a cross-sectional study conducted in Bangkok (n = 252). Participants were asked to provide data regarding patterns of drug use in the previous six months, including types of drugs consumed, method of consumption, frequency of use, and weekly income spent on drugs. We also conducted bivariate analyses to identify a possible effect of a reported increase in police presence on measures of drug use and related risk behaviors among study participants. One hundred fifty-five (61.5%) individuals reported injection heroin use and 132 (52.4%) individuals reported injection midazolam use at least daily in the past six months. Additionally, 86 (34.1%) individuals reported at least daily injection Yaba and Ice (i.e., methamphetamine) use. Participants in our study reported high levels of illicit drug use, including the injection of both illicit and licit drugs. In bivariate analyses, no association between increased police presence and drug use behaviors was observed. These findings demonstrate high ongoing rates of drug injecting in Thailand despite reports of increased levels of strict enforcement and enforcement-related violence, and raise questions regarding the merits of this approach.
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) | 0,001 | 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 | 0,001 |
| 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 ».