Changes in drug use behaviors coinciding with the emergence of illicit fentanyl among people who use drugs in Vancouver, Canada
Notice bibliographique
Résumé
Background: With the emergence of illicitly-manufactured fentanyl, drug overdose deaths have risen in unprecedented numbers. In this context, there is an urgent need to characterize potential changes in drug use behaviors among people who use drugs (PWUD).Objective: To examine changes in drug use behaviors following the emergence of illicit fentanyl among people who use drugs (PWUD).Methods: Data for this cross-sectional analysis was derived from three prospective cohorts of PWUD between December 2016 and May 2017 in Vancouver, Canada. Multivariable logistic regression was used to determine factors associated with self-reported behavior changes (binary variable “yes” or “no”) following the emergence of illicit fentanyl.Results: Among 999 participants [363 (36.3%) females], 388 (38.8%) reported some behavior change. The remaining 611 (61.2%) reported no change in behavior; 240 (39.3%) of these individuals had recently been exposed to fentanyl. In multivariable analyses, factors independently associated with behavior change included recent non-fatal overdose (Adjusted Odds Ratio [AOR] = 2.28), active injection drug use (AOR = 1.96), being on opioid agonist therapy (AOR = 1.80), and urine drug screen positive for fentanyl (AOR = 1.45), (all p < .05).Conclusion: The majority of PWUD in our sample did not change their drug use behavior despite a high prevalence of fentanyl exposure, indicating a need for targeted behavior change messaging and overdose prevention efforts such as naloxone and addiction treatment for this sub-population of PWUD. Further, the high fentanyl exposure observed in our sample suggests a need to address upstream structural factors shaping the overdose risk in addition to individual behavioral change.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».