Illicit Opioid Use and its Key Characteristics: A Select Overview and Evidence from a Canadian Multisite Cohort of Illicit Opioid Users (OPICAN)
Notice bibliographique
Résumé
OBJECTIVES: To summarize key characteristics and consequences of illicit opioid use from the literature and to present corresponding data from a multisite sample of illicit opioid users in 5 Canadian cities (OPICAN study). METHOD: We undertook an overview of recent literature from North America, Australia, and Europe. We obtained data from the multicity OPICAN cohort study, which consisted of an interviewer-administered questionnaire, a standardized mental health instrument (the Composite International Diagnostic Interview Short Form for depression), and saliva-antibody tests for infectious disease (that is, HIV and hepatitis C virus). The baseline sample (n=679) was collected in 2002. RESULTS: Illicit opioid use in Canada and elsewhere is becoming increasingly heterogeneous in terms of opioid drugs used, with heroin playing an increasingly minor role; further, it predominantly occurs in a context of polydrug use (for example, cocaine-crack or benzodiazepines). Large proportions of illicit opioid users have physical and (or) mental health comorbidities, including infectious disease and (or) depression, and therefore require integrated interventions. Finally, morbidity risks among illicit opioid users are often predicted by social marginalization factors, for example, housing status or involvement in CONCLUSIONS: Given the epidemiologic profile and high disease burden associated with contemporary forms of illicit opioid use, more effective treatment approaches are urgently needed in Canada and elsewhere. Specifically, treatment must adjust to the extensive polysubstance use realities, yet it must also more effectively address the complex physical and (or) mental health comorbidities presented by this high-risk population.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,013 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».