Factors associated with inability to access addiction treatment among people who inject drugs in Vancouver, Canada
Notice bibliographique
Résumé
BACKGROUND: Addiction treatment is an effective strategy used to reduce drug-related harm. In the wake of recent developments in novel addiction treatment modalities, we conducted a longitudinal data analysis to examine factors associated with inability to access addiction treatment among a prospective cohort of persons who inject drugs (PWID). METHODS: Data were derived from two prospective cohorts of PWID in Vancouver, Canada, between December 2005 and November 2013. Using multivariate generalized estimating equations, we examined factors associated with reporting an inability to access addiction treatment. RESULTS: In total, 1142 PWID who had not accessed any addiction treatment during the six months prior to interview were eligible for this study, including 364 women (31.9 %). Overall, 188 (16.5 %) reported having sought but were ultimately unsuccessful in accessing addiction treatment at least once during the study period. In multivariate analysis, factors independently and positively associated with reporting inability to access addiction treatment included: binge drug use (Adjusted Odds Ratio [AOR] = 1.65), being a victim of violence (AOR = 1.77), homelessness (AOR = 1.99), and having ever accessed addiction treatment (AOR = 2.33); while length of time injecting was negatively and independently associated (AOR = 0.98) (all p < 0.05). CONCLUSIONS: These findings suggest that sub-populations of PWID were more likely to report experiencing difficulty accessing addiction treatment, including those who may be entrenched in severe drug addiction and vulnerable to violence. It is imperative that additional resources go into ensuring treatment options are readily available when requested for these target populations.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».