Hospitalization among street-involved youth who use illicit drugs in Vancouver, Canada: a longitudinal analysis
Notice bibliographique
Résumé
BACKGROUND: Street-involved youth who use illicit drugs are at high risk for health-related harms; however, the profile of youth at greatest risk of hospitalization has not been well described. We sought to characterize hospitalization among street-involved youth who use illicit drugs and identify the most frequent medical reasons for hospitalization among this population. METHODS: From January 2005 to May 2016, data were collected from the At-Risk Youth Study (ARYS), a prospective cohort study of street-involved youth in Vancouver, Canada. Multivariable generalized estimating equation (GEE) was used to identify factors associated with hospitalization. RESULTS: Among 1216 participants, 373 (30.7%) individuals reported hospitalization in the previous 6 months at some point during the study period. The top three reported medical reasons for hospital admission were the following: mental illness (37.77%), physical trauma (12.77%), and drug-related issues (12.59%). Factors significantly associated with hospitalization were the following: past diagnosis of a mental illness (adjusted odds ratio [AOR] = 1.85; 95% confidence interval [95% CI] 1.47-2.33), frequent cocaine use (AOR = 2.15; 95% CI 1.37-3.37), non-fatal overdose (AOR = 1.76; 95% CI 1.37-2.25), and homelessness (AOR = 1.40; 95% CI 1.16-1.68) (all p < 0.05). CONCLUSIONS: Findings suggest that mental illness is a key driver of hospitalization among our sample. Comprehensive approaches to mental health and substance use in addition to stable housing offer promising opportunities to decrease hospitalization among this vulnerable population.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».