Acceptability and design preferences of supervised injection services among people who inject drugs in a mid-sized Canadian City
Notice bibliographique
Résumé
BACKGROUND: Supervised injection services (SIS) have been shown to reduce the public- and individual-level harms associated with injection drug use. While SIS feasibility research has been conducted in large urban centres, little is known about the acceptability of these services among people who inject drugs (PWID) in mid-sized cities. We assessed the prevalence and correlates of willingness to use SIS as well as design and operational preferences among PWID in London, Canada. METHODS: Between March and April 2016, peer research associates administered a cross-sectional survey to PWID in London. Socio-demographic characteristics, drug-use patterns, and behaviours associated with willingness to use SIS were estimated using bivariable and multivariable logistic regression models. Chi-square tests were used to compare characteristics with expected frequency of SIS use among those willing to use SIS. Design and operational preferences are also described. RESULTS: Of 197 PWID included in this analysis (median age, 39; interquartile range (IQR), 33-50; 38% female), 170 (86%) reported willingness to use SIS. In multivariable analyses, being female (adjusted odds ratio (AOR) 0.29; 95% confidence interval (CI) 0.11-0.75) was negatively associated with willingness to use, while public injecting in the last 6 months (AOR 2.76; 95% CI 1.00-7.62) was positively associated with willingness to use. Participants living in unstable housing, those injecting in public, and those injecting opioids and crystal methamphetamine daily reported higher expected frequency of SIS use (p < 0.05). A majority preferred private cubicles for injecting spaces and daytime operational hours, while just under half preferred PWID involved in service operations. CONCLUSIONS: High levels of willingness to use SIS were found among PWID in this setting, suggesting that these services may play a role in addressing the harms associated with injection drug use. To maximize the uptake of SIS, programme planners and policy makers should consider the effects of gender and views of PWID regarding SIS design and operational preferences.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».