Spatial patterns of arrests, police assault and addiction treatment center locations in Tijuana, Mexico
Notice bibliographique
Résumé
AIMS: In the context of a public health-oriented drug policy reform in Mexico, we assessed the spatial distribution of police encounters among people who inject drugs (PWID) in Tijuana, determined the association between these encounters and the location of addiction treatment centers and explored the association between police encounters and treatment access. DESIGN: Geographically weighted regression (GWR) and logistic regression analysis using prospective spatial data from a community-recruited cohort of PWID in Tijuana and official geographical arrest data from the Tijuana Municipal Police Department. SETTING: Tijuana, Mexico. PARTICIPANTS: A total of 608 participants (median age 37; 28.4% female) in the prospective Proyecto El Cuete cohort study recruited between January and December 2011. MEASUREMENTS: We compared the mean distance of police encounters and a randomly distributed set of events to treatment centers. GWR was undertaken to model the spatial relationship between police interactions and treatment centers. Logistic regression analysis was used to investigate factors associated with reporting police interactions. FINDINGS: During the study period, 27.5% of police encounters occurred within 500 m of treatment centers. The GWR model suggested spatial correlation between encounters and treatment centers (global R(2) = 0.53). Reporting a need for addiction treatment was associated with reporting arrest and police assault [adjusted odds ratio = 2.74, 95% confidence interval (CI) = 1.25-6.02, P = 0.012]. CONCLUSIONS: A geospatial analysis suggests that, in Mexico, people who inject drugs are at greater risk of being a victim of police violence if they consider themselves in need of addiction treatment, and their interactions with police appear to be more frequent around treatment centers.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».