Health outcomes associated with illicit prescription opioid injection:A systematic review
Notice bibliographique
Résumé
Prescription opioid injection is a growing concern among people who use illicit drugs. Little is known about the potential health-related harms of injecting prescription opioids. Therefore, the authors undertook a systematic review to identify health outcomes associated with injecting prescription opioids. PubMed, Ovid MEDLINE®, EMBASE, Journals@Ovid, CINAHL, PsycInfo, Web of Science® Core Collection, CAB Direct, and ERIC databases were searched to identify English articles published between January 1990 and February 2015 that matched the inclusion criteria. Potentially relevant articles were those examining a clinical health outcome among people who use illicit drugs, in which a sub-group injects prescription opioids. The International Classification of Diseases (ICD-10) was used to clinically classify health outcomes. In total, 31 studies that met the inclusion criteria were identified and summarized. A modified version of the Downs and Black checklist was used to assess individual study quality and identify sources of bias. Findings supported associations between prescription opioid injection and hepatitis C infection, substance dependence and other mental health indicators, and lower general health. Associations with human immunodeficiency virus, overdose, and cutaneous infection were less consistent and varied according to prescription opioid type(s). Several potential sources of bias were identified as well as a need for more longitudinal research and more rigorous confounding adjustment. The current findings highlight a need to consider the growing popularity of prescription opioid injection in efforts to reduce drug-related harm among people who inject drugs.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».