Increasing Preference for Fentanyl among a Cohort of People who use Opioids in Vancouver, Canada, 2017-2018
Notice bibliographique
Résumé
Background: Despite increasing prevalence of illicit fentanyl use in the US and Canada, preference for fentanyl over other illicit opioids has not been fully characterized. Therefore, we sought to describe changes in illicit opioid preferences over time among people who inject drugs (PWID). Methods: Data were obtained from two prospective cohort studies between 2017 and 2018. Trends in opioid preference over time were examined using bivariable generalized estimating equation (GEE) analysis. Multivariable models were used to identify factors associated with fentanyl preference. Results: Among 732 eligible participants, including 425 (58%) males, the prevalence of preference for fentanyl increased from 4.4% in 2017 to 6.6% in 2018 (Odds Ratio [OR] = 1.27, 95% Confidence Interval [CI]: 1.05–1.52). In a multivariable analysis, younger age (Adjusted Odds Ratio [AOR] = 0.94, 95% CI: 0.92–0.96) and daily crystal methamphetamine injection (AOR = 1.68, 95% CI: 1.01–2.78) were independently associated with preference for fentanyl. The most common reasons for preferring fentanyl included “better high than other opioids” (45%), and “lasts longer than heroin” (27%). Conclusions: The current study has demonstrated that preference for fentanyl has been increasing over time among our sample of PWID who use opioids. Further work is needed to clarify risk factors surrounding transitions to illicit fentanyl.
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 | 0,000 | 0,002 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».