Overdose experiences among injection drug users in Bangkok, Thailand
Notice bibliographique
Résumé
BACKGROUND: Although previous studies have identified high levels of drug-related harm in Thailand, little is known about illicit drug overdose experiences among Thai drug users. We sought to investigate non-fatal overdose experiences and responses to overdose among a community-recruited sample of injection drug users (IDU) in Bangkok, Thailand. METHODS: Data for these analyses came from IDU participating in the Mit Sampan Community Research Project. The primary outcome of interest was a self-reported history of non-fatal overdose. We calculated the prevalence of past overdose and estimated its relationship with individual, drug-using, social, and structural factors using multivariate logistic regression. We also assessed the prevalence of ever witnessing an overdose and patterns of response to overdose. RESULTS: These analyses included 252 individuals; their median age was 36.5 years (IQR: 29.0 - 44.0) and 66 (26.2%) were female. A history of non-fatal overdose was reported by 75 (29.8%) participants. In a multivariate model, reporting a history of overdose was independently associated with a history of incarceration (Adjusted Odds Ratio [AOR] = 3.83, 95% Confidence Interval [CI]: 1.52 - 9.65, p = 0.004) and reporting use of drugs in combination (AOR = 2.48, 95% CI: 1.16 - 5.33, p = 0.019). A majority (67.9%) reported a history of witnessing an overdose; most reported responding to the most recent overdose using first aid (79.5%). CONCLUSIONS: Experiencing and witnessing an overdose were common in this sample of Thai IDU. These findings support the need for increased provision of evidence-based responses to overdose including peer-based overdose interventions.
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 | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».