MétaCan
Menu
Retour à la cohorte
Enregistrement W3041267314 · doi:10.1111/add.15192

Deconstructing the ‘cheque effect’: short‐term changes in injection drug use after receiving income assistance and associated factors

2020· article· en· W3041267314 sur OpenAlexafffundabout
Stine Bordier Høj, Brendan Jacka, Nanor Minoyan, Phélix Bussière, Julie Bruneau

Notice bibliographique

RevueAddiction · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensUniversité de MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health Research
Mots-clésChequeMedicineConfidence intervalOddsOdds ratioDemographyLogistic regressionCohortBinomial regressionGeeSyringeCohort studyGeneralized estimating equationPsychiatryInternal medicineStatistics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND AIMS: Disbursement of income assistance has been temporally associated with intensified drug use and related harms (coined the 'cheque effect'). However, relationships to injection drug use (IDU) remain understudied. We examined short-term 'cheque effects' and associated factors among people who inject drugs (PWID). DESIGN: Cross-sectional analysis nested within a cohort study. SETTING: Montreal, Quebec, Canada. PARTICIPANTS: PWID receiving income assistance, with no employment income. A total of 613 PWID (median age 41, 83% male) contributed 3269 observations from 2011 to 2017. MEASUREMENTS AND METHODS: At each cohort visit, an interviewer-administered questionnaire captured retrospective reports of injection-related behaviour during the 2-day periods (i) before and (ii) including/after receiving last month's income assistance payment (number of injections; drugs injected; any receptive syringe-sharing). The relative likelihood (odds) and magnitude (rate) of an increase in injection frequency ('cheque effect') were estimated in relation to social and behavioural factors using logistic and negative binomial regression in a covariate-adjusted two-part model. FINDINGS: Prevalence of IDU and syringe-sharing were, respectively, 1.80 and 2.50 times higher in the days following versus preceding cheque receipt (P < 0.001). Among people with past-month IDU, most observations showed increased injection frequency (52%) or no change in injection frequency (44%). The likelihood of a 'cheque effect' was positively associated with cocaine injection [versus injection of other substances, odds ratio (OR) = 2.639, 95% confidence interval (CI) = 2.04-3.41], unstable housing (OR = 1.272, 95% CI = 1.03-1.57) and receiving opioid agonist therapy (OR =1.597, 95% CI = 1.27-2.00) during the same month. Magnitude of the 'cheque effect' was positively associated with cocaine injection [rate ratio (RR) = 1.795, 95% CI = 1.43-2.16], unstable housing (RR = 1.198, 95% CI = 1.02-1.38) and frequent injection (RR = 2.938, 95% CI = 2.43-3.44), but inversely associated with opioid agonist therapy (RR = 0.817, 95% CI = 0.68-0.95) and prescription opioid injection (RR = 0.794, 95% CI = 0.66-0.93). CONCLUSION: Among people who inject drugs in Montreal, Canada, injection drug use and receptive syringe-sharing appear to be more prevalent in the 2 days after versus before receiving income assistance. The odds and rate of individual-level increases in injection frequency appear to be positively associated with cocaine injection (versus injection of other substances) and unstable housing.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil0,142

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,290
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAddictionMême sujetHIV, Drug Use, Sexual RiskTravaux en français237 207