Potential use of supervised injection services among people who inject drugs in a remote and mid-size Canadian setting
Notice bibliographique
Résumé
BACKGROUND: While supervised injection services (SIS) feasibility research has been conducted in large urban centres across North America, it is unknown whether these services are acceptable among people who inject drugs (PWID) in remote, mid-size cities. We assessed willingness to use SIS and expected frequency of SIS use among PWID in Thunder Bay, a community in Northwestern, Ontario, Canada, serving people from suburban, rural and remote areas of the region. METHODS: Between June and October 2016, peer research associates administered surveys to PWID. Sociodemographic characteristics, drug use and behavioural patterns associated with willingness to use SIS and expected frequency of SIS use were estimated using bivariable and multivariable logistic regression models. Design preferences and amenities identified as important to provide alongside SIS were assessed descriptively. RESULTS: Among 200 PWID (median age, IQR: 35, 28-43; 43% female), 137 (69%) reported willingness to use SIS. In multivariable analyses, public injecting was positively associated with willingness to use (Adjusted Odds Ratio (AOR): 4.15; 95% confidence interval (CI): 2.08-8.29). Among those willing to use SIS, 87 (64%) said they would always/usually use SIS, while 48 (36%) said they would sometime/occasionally use SIS. In multivariable analyses, being female (AOR: 2.44; 95% CI: 1.06-5.65) and reporting injecting alone was positively associated with higher expected frequency of use (AOR: 2.59; 95% CI: 1.02-6.58). CONCLUSIONS: Our findings suggest that SIS could play a role in addressing the harms of injection drug use in remote and mid-sized settings particularly for those who inject in public, as well as women and those who inject alone, who report higher expected frequency of SIS use. Design preferences of local PWID, in addition to differences according to gender should be taken into consideration to maximize the uptake of SIS, alongside existing health and social service provisions available to PWID.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».