High Prevalence of Self-Reported Exposure to Adulterated Drugs Among People Who Experienced an Opioid Overdose in Canada: A Cohort Study
Notice bibliographique
Résumé
BACKGROUND: In North America, rates of overdoses are increasing largely due to the adulteration of illicit drugs by illicit synthetic opioids. OBJECTIVES: We sought to examine the prevalence and correlates of self-reported exposure to adulterated drugs among people who experienced a non-fatal opioid overdose. METHODS: Data were derived from three prospective cohort studies of people who use drugs in Vancouver, Canada between June and November 2016. Multivariable logistic regression analyses were used to examine the prevalence and correlates of self-reported exposure to adulterated drugs. RESULTS: Among 117 participants who reported symptoms consistent with a non-fatal opioid overdose, 78 (66.7%) reported believing the drug was adulterated during their last overdose. Of those, 42 (53.8%) had not perceived adulteration prior to overdose. In the multivariable analysis, engagement in opioid agonist therapy (Adjusted Odds Ratio [AOR] = 2.79, 95% Confidence Interval [CI]: 1.10, 7.45) was independently associated with having not perceived adulteration prior to overdose. Daily heroin use (AOR = 5.28; 95% CI: 1.92, 15.97) and reporting supervised injection site staff were present at most recent overdose (AOR = 6.16; 95% CI: 1.25, 47.27) were independently associated with having perceived adulteration prior to overdose. Conclusions/Importance: We found a high prevalence of believing adulterated drugs were present for the most recent overdose. Further, the high prevalence of unperceived adulteration prior to overdose supports the need to lower the risk of overdose by providing individuals with options to consume drugs in a safer manner, including supervised consumption sites.
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 ».