Frequent Cannabis Use Is Negatively Associated with Frequency of Injection Drug Use Among People Who Inject Drugs in a Canadian Setting
Notice bibliographique
Résumé
Objectives: High levels of morbidity and mortality associated with injection drug use continue to represent a significant public health challenge in many settings worldwide. Previous studies have shown an association between cannabis use and decreased risk of some drug-related harms. We sought to evaluate the association between high-intensity cannabis use and the frequency of injection drug use among people who inject drugs (PWID). Methods: The data for this analysis were collected from three prospective cohorts of PWID in Vancouver, Canada, between September 2005 and May 2018. Generalized linear mixed-effects models were used to analyze the association between daily cannabis use and the frequency of injecting illegal drugs (i.e., self-reported average number of injections per month). Results: Among the 2,619 active PWID, the frequency of injection drug use was significantly lower among people who use cannabis daily compared with people who use it less than daily (adjusted odds ratio [AOR]=0.84, 95% confidence interval [CI]: 0.73–0.95). Sub-analyses indicated that this effect was restricted to the frequency of illegal opioid injection (AOR=0.78, 95% CI: 0.68–0.90); the association between daily cannabis use and the frequency of illegal stimulant injection was not significant (AOR=1.08, 95% CI 0.93–1.25). Discussion: The findings from these prospective cohorts suggest that people who use cannabis daily were less likely to report daily injection of illegal drugs compared with people who use it less than daily. These results suggest the potential value of conducting experimental research to test whether controlled administration of cannabinoids impacts the frequency of illegal opioid injection among 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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».