Drug consumption rooms: A systematic review of evaluation methodologies
Notice bibliographique
Résumé
ISSUES: Drug consumptions rooms (DCR) and supervised injecting facilities (SIF) are expanding internationally. Previous reviews have not systematically addressed evaluation methodologies. APPROACH: Results from systematic searches of scientific databases in English until June 2017 were coded for paper type, country and year of publication. For evaluation papers, study outcome, methodology/study design and main indicators of DCR/SIF 'exposure' were recorded. KEY FINDINGS: Two hundred and nineteen eligible peer-reviewed papers were published since 1999: the majority from Canada (n = 117 papers), Europe (n = 36) and Australia (n = 32). Fifty-six papers reported evaluation outcomes. Ecological study designs (n = 10) were used to assess the impact on overdose, public nuisance and crime; modelling techniques (n = 6) estimated impact on blood-borne diseases, overdose deaths and costs. Papers using individual-level data included four prospective cohorts (n = 28), cross-sectional surveys (n = 7) and service records (n = 5). Individual-level data were used to assess safer injecting practice, uptake into health and social services and all the other above outcomes except for impact on crime and costs. Four different indicators of DCR/SIF attendance were used to measure service 'exposure'. IMPLICATIONS: Research around DCRs/SIFs has used ecological, modelling, cross-sectional and cohort study designs. Further research could involve systematic inclusion of a control group of people who are eligible but do not access SIFs, validation of self-reported proportion of injections at SIFs or a stepped-wedge or a cluster trial comparing localities. CONCLUSIONS: Methodologies appropriate for DCR/SIF evaluation have been established and can be readily replicated from the existing literature. Research on operational aspects, implementation and transferability is also warranted.
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 | 0,015 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».