Factors associated with drug checking service utilization among people who use drugs in a Canadian setting
Notice bibliographique
Résumé
BACKGROUND: The United States and Canada are amidst an opioid overdose crisis, with the Canadian province of British Columbia (BC) among the hardest hit. In response, drug checking services (DCS) have been introduced in this setting as a novel pilot harm reduction intervention though little is known about usage rates. Therefore, we sought to identify factors associated with drug checking uptake among people who use drugs (PWUD) in Vancouver, BC. METHODS: Data were derived from three ongoing prospective cohort studies of PWUD in Vancouver between June and November 2018. Multivariable logistic regression was used to determine factors associated with self-reported DCS utilization in the past 6 months among participants at high risk of fentanyl exposure (i.e., those self-reporting illicit opioid use or testing positive for fentanyl via urine drug screen). RESULTS: Among 828 eligible participants, including 451 (55%) males, 176 (21%) reported recent use of DCS. In multivariable analyses, factors significantly associated with DCS utilization included: homelessness (Adjusted Odds Ratio [AOR] 1.47; 95% Confidence Interval [CI] 1.01-2.13) and involvement in drug dealing (AOR 1.59; 95% CI 1.05-2.39). CONCLUSIONS: In our sample of PWUD, uptake of DCS was low, although those who were homeless, a sub-population known to be at a heightened risk of overdose, were more likely to use the services. Those involved in drug dealing were also more likely to use the services, which may imply potential for improving drug market safety. Further evaluation of drug checking is warranted.
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) | 0,000 | 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 ».