Urine drug screening for early detection of unwitting use of fentanyl and its analogues among people who inject heroin in Sydney, Australia
Notice bibliographique
Résumé
INTRODUCTION AND AIMS: North America has witnessed a dramatic rise in fatal opioid overdoses due to the unwitting consumption of non-pharmaceutical fentanyl and its analogues. While some of the drivers of this crisis-including profitability and access to high-potency opioids through internet sources-also apply in Australia, to our knowledge, there have been no ongoing surveillance studies of local populations. Therefore, this pilot study aimed to detect unintentional fentanyl consumption among people who inject heroin through instant urine screening, and determine the feasibility and acceptability of voluntary urinalysis of clients at the Medically Supervised Injecting Centre, Kings Cross, Sydney. DESIGN AND METHODS: Brief surveys and urine drug screens were conducted with 67 participants in Wave 1 (October 2017) and 51 participants in Wave 2 (March 2018). Urine samples were tested with BTNX Rapid Response™ fentanyl urine strip test at a detection level of 20 ng/mL norfentanyl. These strips also cross-react to numerous fentanyl analogues. RESULTS: There were no cases where positive urine tests suggested unwitting fentanyl use detected in this study. DISCUSSION AND CONCLUSIONS: These negative findings contrast sharply with similar Canadian studies. While no cases of fentanyl-laced heroin use have been detected so far, we have demonstrated that this surveillance design is low-cost, feasible and scalable approach to monitoring the considerable public-health threat of undetected fentanyl and its analogues in Australia. Further validation of cross-reactivity of test strips would strengthen this method.
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 | 0,000 |
| 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 ».