Knowledge of a Drug-Related Good Samaritan Law Among People Who Use Drugs, Vancouver, Canada
Notice bibliographique
Résumé
BACKGROUND: Across the United States and Canada drug-related Good Samaritan laws (GSLs) have been enacted to encourage observers of acute drug overdose events to contact emergency medical services (EMS) without fear of legal repercussions. However, little is known about the working knowledge of GSLs among people who use illicit drugs (PWUD). We sought to evaluate the prevalence and factors associated with accurate knowledge of a GSL among PWUD in Vancouver, Canada, 1 year after the GSL was enacted. METHOD: We used data from participants in three community-recruited prospective cohort studies of PWUD interviewed between June and November 2018. Multivariable logistic regression was used to identify factors associated with accurate knowledge of the GSL. RESULTS: Among 1,258 participants, including 760 males (60%), 358 (28%) had accurate knowledge of the GSL. In multivariable analyses, participants who reported ever having a negative police encounter (defined as being stopped, searched, or detained by the police) were less likely to have accurate knowledge of the GSL (adjusted odds ratio [AOR] = 0.70; 95% CI [0.54, 0.90]), while those involved in drug dealing were more likely to have accurate knowledge of the GSL (AOR = 1.50; 95% CI [1.06, 2.06]). DISCUSSION: Despite having been enacted for a full year, approximately three quarters of participants did not have accurate GSL knowledge, warranting urgent educational efforts among PWUD. Additional research is needed to understand whether GSLs can mitigate the fears of legal repercussions among those engaged in drug dealing and with past negative experiences with the police.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».