Increased non‐fatal overdose risk associated with involuntary drug treatment in a longitudinal study with people who inject drugs
Notice bibliographique
Résumé
AIM: To assess the effect of involuntary drug treatment (IDT) on non-fatal overdose among people who inject drugs (PWID). DESIGN: Longitudinal study. SETTING: Tijuana, Mexico. PARTICIPANTS: Baseline sample of 671 PWID included 258 (38.4%) women and 413 (61.6%) men. MEASUREMENTS: Primary independent variables were reported recent (i.e. past 6 months) non-fatal overdose event (dependent variable) and IDT. Substance use the day of the non-fatal overdose was also examined. FINDINGS: From 2011 to 2017, 213 participants (31.7%) reported a recent non-fatal overdose and 103 (15.4%) reported recent IDT. Heroin, in combination with methamphetamine and tranquilizers, were the drugs most reported at the day of the event. IDT significantly increased the odds of reporting a non-fatal overdose event [adjusted odds ratio (aOR) = 1.76; 95% confidence interval (CI) = 1.04-2.96]. Odds of non-fatal overdose also increased independently for each additional injection per day (aOR = 1.05; 95% CI = 1.02-1.08), recent tranquilizer use (aOR = 1.92; 95% CI = 1.41-2.61) and using hit doctors (aOR = 1.68; 95% CI = 1.29-2.18) and decreased with age (aOR = 0.97 per year, 95% CI = 0.95-0.99). CONCLUSIONS: Recent involuntary drug treatment in Mexico is a risk factor for non-fatal drug overdose.
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 ».