Factors associated with willingness to wear an electronic overdose detection device
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: North America is in the midst of an opioid overdose epidemic. Although take-home naloxone and other measures have been an effective strategy to reduce overdoses, many events are unwitnessed and mortality remains high amongst those using drugs alone. While wearable devices that can detect and alert others of an overdose are being developed, willingness of people who use drugs to wear such a device has not been described. METHODS: Drug using persons enrolled in a community-recruited cohort in Vancouver, Canada, were asked whether or not they would be willing to wear a device against their skin that would alert others in the event of an overdose. Logistic regression was used to identify factors independently associated with willingness to wear such a device. RESULTS: Among the 1061 participants surveyed between December 2017 and May 2018, 576 (54.3%) were willing to wear an overdose detection device. Factors independently associated with willingness included ever having overdosed (adjusted odds ratio [AOR] = 1.39, 95% confidence interval [CI] 1.06-1.83), current methadone treatment (AOR = 1.86, 95% CI 1.45-2.40), female gender AOR = 1.41, 95% CI 1.09-1.84) and a history of chronic pain (AOR = 1.53, 95% CI 1.19-1.96). Whereas homelessness (AOR = 0.67, 95% CI 0.50-0.91) was negatively associated with willingness. CONCLUSIONS: A high level of willingness to wear an overdose detection device was observed in this setting and a range of factors associated with overdose were positively associated with willingness. Since some factors, such as homelessness may be a barrier, further research is needed to investigate explanations for unwillingness and to evaluate real world acceptability of a wearable overdose detection devices as this technology becomes available.
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.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 | 0,000 |
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 découle