Socioeconomic factors associated with cessation of injection drug use among street-involved youth
Notice bibliographique
Résumé
BACKGROUND: Although the initiation of injection drug use has been well characterized among at-risk youth, factors that support or impede cessation of injection drug use have received less attention. We sought to identify socioeconomic factors associated with cessation of injection drug use among street-involved youth. METHODS: From September 2005 to May 2015, data were collected from the At-Risk Youth Study (ARYS), a prospective cohort study of street-involved youth in Vancouver, Canada. Multivariate extended Cox regression was utilized to identify socioeconomic factors associated with cessation of injection drug use for six months or longer among youth who were actively injecting. RESULTS: Among 383 participants, 171 (44.6%) youth reported having ceased injection (crude incidence density 22 per 100 person-years; 95% confidence interval [CI], 19-26) at some point during study follow-up. Youth who had recently dealt drugs (adjusted hazard ration [AHR], 0.50; 95% CI, 0.29-0.87), engaged in prohibited street-based income generation (AHR, 0.41; 95% CI, 0.24-0.69), and engaged in illegal income generating activities (AHR, 0.19; 95% CI, 0.06-0.61) were significantly less likely to report cessation of injection drug use. CONCLUSIONS: Our findings suggest that socioeconomic factors, in particular engagement in prohibited street-based and illegal income generating activities, may pose barriers to ceasing injection drug use among this population. Effort to improve access to stable and secure income, as well as employment opportunities may assist youth in transitioning away from injection drug use. TRIAL REGISTRATION: Our study is not a randomized controlled trial; thus the trial registration is not applicable.
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 | 0,001 |
| 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 ».