Associations between methadone maintenance treatment and crime: a 17‐year longitudinal cohort study of Canadian provincial offenders
Notice bibliographique
Résumé
AIMS: To estimate and test the difference in rates of violent and non-violent crime during medicated and non-medicated methadone treatment episodes. DESIGN, SETTING AND PARTICIPANTS: The study involved linkage of population level administrative data (health and justice) for all individuals (n = 14 530) in British Columbia, Canada with a history of conviction and who filled a methadone prescription between 1 January 1998 and 31 March 2015. Methadone maintenance treatment was the primary independent variable and was treated as a time-varying exposure. Each participant's follow-up (mean: 8 years) was divided into medicated (methadone was dispensed) and non-medicated (methadone was not dispensed) periods with mean durations of 3.3 and 4.6 years, respectively. MEASUREMENTS: Socio-demographics of participants were examined along with the main outcomes of violent and non-violent offences. FINDINGS: During the first 2 years of treatment (≤ 2.0 years), periods in which methadone was dispensed were associated with a 33% lower rate of violent crime [0.67 adjusted hazard ratio (AHR), 95% confidence intervals (CI) = 0.59, 0.76] and a 35% lower rate of non-violent crime (0.65 AHR, 95% CI = 0.62, 0.69) compared with non-medicated periods. This equates to a risk difference of 3.6 (95% CI = 2.6, 4.4) and 37.2 (95% CI = 33.0, 40.4) fewer violent and non-violent offences per 100 person-years, respectively. Significant but smaller protective effects of dispensed methadone were observed across longer treatment intervals (2.0 to ≤ 5.0 years, 5.0 to ≤ 10.0 years). CONCLUSIONS: Among a cohort of Canadian offenders, rates of violent and non-violent offending were lower during periods when individuals were dispensed methadone compared with periods in which they were not dispensed methadone.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».