Non-Fatal Overdose Among a Cohort of Active Injection Drug Users Recruited from a Supervised Injection Facility
Notice bibliographique
Résumé
Non-fatal overdose among injection drug users (IDU) is a source of significant morbidity. Since it has been suggested that supervised injecting facilities (SIF) may increase risk for overdose, we sought to evaluate patterns of non-fatal overdose among a cohort of SIF users. We examined recent non-fatal overdose experiences among participants enrolled in a prospective study of IDU recruited from within North America's first medically supervised safer injecting facility. Correlates of recent non-fatal overdoses were identified using generalized estimating equations (GEE). There were 1,090 individuals recruited during the study period of which 317 (29.08%) were female. At baseline, 638 (58.53%) reported a history of non-fatal overdose and 97 (8.90%) reported at least one non-fatal overdose in the last six months. This proportion remained approximately constant throughout the study period. In the multivariate GEE analysis, factors associated with recent non-fatal overdose included: sex-trade involvement (Adjusted Odds Ratio [AOR]: 1.45 [95% Confidence Interval [CI] 1.07-1.99], p = 0.02) and public drug use (AOR: 1.50 [95% CI 1.09-2.06]; p = 0.01). Using the SIF for >or= 75% of injections was not associated with recent non-fatal overdose in univariate (Odds Ratio: 1.05, p = 0.73) or multivariate analyses (AOR: 1.01, p = 0.96). The proportion of individuals reporting recent non-fatal overdose did not change over the study period. Our findings indicate that a sub-population of IDU might benefit from overdose prevention interventions. Our findings refute the suggestion that the SIF may increase the likelihood of overdose.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».