Awareness of fentanyl exposure and the associated overdose risks among people who inject drugs in a Canadian setting
Notice bibliographique
Résumé
INTRODUCTION: Illicitly manufactured fentanyl continues to fuel the opioid overdose crisis throughout the USA and Canada. However, little is known about factors associated with knowingly or unknowingly using fentanyl. Therefore, we sought to identify the prevalence and correlates of suspected/known and unknown exposure to fentanyl (excluding the prescribed one) among people who inject drugs (PWID), including associated overdose risks. METHODS: Data were derived from three prospective cohort studies of community-recruited people who use drugs in Vancouver, Canada in 2016-2017. Multivariable logistic regression was used to identify correlates of suspected/known exposure (i.e. urine drug screen positive and self-reporting past 3-day exposure) and unknown exposure to fentanyl (i.e. urine drug screen positive and self-reporting no past three-day exposure), respectively. RESULTS: Among 590 PWID, 296 (50.2%) tested positive for fentanyl. Of those, 143 (48.3%) had suspected/known and 153 (51.7%) had unknown exposure to fentanyl. In multivariable analyses, using supervised injection sites and possessing naloxone were associated with both suspected/known and unknown exposure (all P < 0.05). Injecting drugs alone (adjusted odds ratio 3.26; 95% confidence interval: 1.72-6.16) was associated with known exposure, but not with unknown exposure. DISCUSSION AND CONCLUSIONS: We found a high prevalence of fentanyl exposure in our sample of PWID, with one half of those exposed consuming fentanyl unknowingly. While those exposed to fentanyl appeared more likely to utilise some overdose prevention services, PWID with suspected/known fentanyl exposure were more likely to inject alone, indicating a need for additional overdose prevention efforts for this group.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».