Comparing key characteristics of young adult crack users in and out-of-treatment in Rio de Janeiro, Brazil
Notice bibliographique
Résumé
BACKGROUND: Crack use is prevalent among street drug users in Brazilian cities, yet despite recent help system reforms and investments, treatment utilization is low. Other studies have identified a variety of - often inconsistent - factors associated with treatment status among crack or other drug users. This study compared socio-economic, drug use, health and service use characteristics between samples of young adult crack users in- and out-of-treatment in Rio de Janeiro, Brazil. FINDINGS: Street-involved crack users (n = 81) were recruited by community-based methods, and privately assessed by way of an anonymous interviewer-administered questionnaire as well as biological methods, following informed consent. In-treatment users (n = 30) were recruited from a public service in-patient treatment facility and assessed based on the same protocol. Key indicators of interest were statistically cross-compared. Not-in-treatment users were less likely to: be white, educated, stably housed, to be involved in drug dealing, to report lifetime marijuana and current alcohol use, to report low mental health status and general health or addiction/mental health care; they were more likely to: be involved in begging and utilize social services, compared to the in-treatment sample (statistical significance for differences set at p < .05). CONCLUSIONS: In-treatment and not-in-treatment crack users differed on several key characteristics. Overall, in-treatment users appeared to be more socio-economically integrated and connected to the health system, yet not acutely needier in terms of health or drug problems. Given overall low treatment utilization but high need, efforts are required to facilitate improved treatment access and use for marginalized crack users in Brazil.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».