Effect of witnessing an overdose on the use of drug checking services among people who use illicit drugs in Vancouver, Canada
Notice bibliographique
Résumé
BACKGROUND: Since 2013, fentanyl-contaminated drugs have been driving North America's opioid-overdose epidemic. Drug checking, which enables people who use illicit drugs (PWUD) to test and receive feedback regarding the contents of their drugs, is being considered as a potential tool to address the toxic drug supply. While some PWUD witness overdoses, little is known about the impact of these experiences on subsequent risk reduction practices. OBJECTIVE: The purpose of this study was to examine the effect of witnessing an overdose on drug checking service use. METHODS: Data were derived from prospective cohorts of PWUD in Vancouver, Canada, a setting with a community-wide fentanyl overdose crisis, between June 1, 2018 and December 1, 2018. Multivariable logistic regression was used to estimate the effect of witnessing an overdose on drug checking service use. RESULTS: 1,426 participants were eligible for the study, including 530 females; 767 (53.8%) participants reported witnessing an overdose and 196 (13.7%) reported using drug checking services in the last 6 months. In multivariable analyses, after adjusting for a range of confounders including the use of fentanyl, witnessing an overdose was positively associated with drug checking service use (adjusted odds ratio = 2.32; 95% confidence interval: 1.57-3.49). CONCLUSION: Our findings suggest that witnessing an overdose may motivate PWUD to use drug checking services. Given that only a small proportion of PWUD in the study reported using drug checking services, our findings highlight the need to continue to scale-up a range of overdose prevention interventions.
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 ».