Use of withdrawal management services among people who use illicit drugs in Vancouver, Canada
Notice bibliographique
Résumé
BACKGROUND: For many individuals with substance use disorders, the entry point for addiction treatment can be through withdrawal management (e.g. detoxification) services. However, little is known about the factors that predict withdrawal management service use among people who use illicit drugs (PWUD). Using data derived from two prospective cohorts of PWUD, we conducted a longitudinal data analysis of factors associated with use of withdrawal management services. METHODS: Individuals participating in two cohorts of PWUD were prospectively followed between December 2005 and May 2016 in Vancouver, Canada. Bivariate and multivariate generalized estimating equations were used to examine factors associated with use of withdrawal management services. RESULTS: Out of a total of 2001 participants, 339 (16.9%) individuals reported having been to a withdrawal management centre in the previous 6 months at some point during the study period. In multivariate analyses, male sex (adjusted odds ratio [AOR]: 1.62, 95% Confidence Interval [CI]: 1.17-2.24), homelessness (AOR: 1.86, 95% CI: 1.45-2.38), binge use of any substance (AOR: 1.34, 95% CI: 1.08-1.67), having attended a supervised injection facility (AOR: 1.66, 95% CI: 1.3-2.11), and having accessed other addiction medicine treatment or supports (other than withdrawal management services or opioid agonist therapy; AOR: 3.34, 95% CI: 2.64-4.22) were positively associated with having accessed withdrawal management services, whereas older age (AOR: 0.81, 95% CI: 0.7-0.94) was negatively associated with the outcome. CONCLUSIONS: This study identified specific factors associated with accessing withdrawal management services. Current evidence suggests a need to re-examine the provision of withdrawal management services. Consideration needs to be given to redesigning access to care and bridging to evidence-based addiction treatment, particularly for highly vulnerable subpopulations, identified in this study as females and older people.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 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 ».