High prevalence of unmet healthcare need among people who use illicit drugs in a Canadian setting with publicly-funded interdisciplinary primary care clinics
Notice bibliographique
Résumé
Background People who use illicit drugs (PWUD) experience significant barriers to healthcare. However, little is known about levels of attachment to primary care (defined as having a regular family doctor or clinic they feel comfortable with) and its association with unmet healthcare needs in this population. In a Canadian setting that features novel publicly-funded interdisciplinary primary care clinics, we sought to examine the prevalence and correlates (including attachment to primary care) of unmet healthcare needs among PWUD. Methods Data were derived from two prospective cohort studies of PWUD in Vancouver, Canada between December 2017 and November 2018. Multivariable logistic regression was used to identify factors associated with self-reported unmet healthcare needs among participants reporting any health issues. Results In total, 743 (83.6%) of 889 eligible participants reported attachment to primary care and 220 (24.7%) reported an unmet healthcare need. In multivariable analyses, attachment to primary care at an integrated care clinic (adjusted odds ratio [AOR] = 0.14; 95% Confidence Interval [CI]: 0.06–0.34) was negatively associated with an unmet healthcare need, while being treated poorly at a healthcare facility (AOR = 5.50; 95% CI: 3.59–8.60) and self-reported chronic pain (AOR = 2.00, 95% CI: 1.30–3.01) were positively associated with an unmet healthcare need. Conclusion Despite the high level of attachment to primary care, a quarter of our sample reported an unmet healthcare need. Our findings suggest that multi-level interventions are required to address the unmet need, including pain management and integrated care, to support PWUD with complex health needs.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».