Health Behavior Survey Among People Who Use Opioids: Protocol for Implementing Technology-Based Rapid Response Surveillance in Community Settings
Notice bibliographique
Résumé
BACKGROUND: In 2018, 2 million Americans met the Diagnostic and Statistical Manual of Mental Disorders, 5th Edition diagnostic criteria for an opioid use disorder, and 9.9 million Americans had misused prescription pain relievers the previous year. Despite a rapid increase in opioid misuse, opioid use disorders, and overdoses, data are limited on the behavioral and contextual risks as well as the protective factors fueling the opioid epidemic in some hard hit US cities-Atlanta, Los Angeles, and Las Vegas. Opioid use also contributes to the risk of other health problems such as HIV and hepatitis C virus infections or mental health disorders and is linked to behavioral and environmental risks (eg, homelessness, experiences of violence, involvement in the justice system). Knowledge of the relationships between these linked vulnerabilities and how they influence service utilization is critical to effective policy and interventions. OBJECTIVE: This survey explores the relationships between demographic and economic characteristics, behavioral and environmental risk factors, and service utilization of people who use opioids to inform public health practice, policy, and future efforts to mitigate the risks faced by this population experiencing multiple health, social, and economic vulnerabilities. The results of this survey will be used to identify needs and intervention points for people who use drugs currently served by public health organizations. METHODS: We implemented a community-engaged strategy that involved development and execution of a two-stage purposive sampling plan involving selection of partner organizations (syringe exchange programs in urban settings) and recruitment and enrollment of participants aged 18-69 years served by these organizations in Atlanta, Los Angeles, and Las Vegas from 2019 to 2020. The recruited participants completed a survey, including a variety of measures to assess health (physical and mental) and health behaviors such as sexual behavior, vaccine receipt, and HIV/ hepatitis C virus infection testing. Additional items assessed drug use and misuse, syringe exchange and health service utilization, sex exchange, histories of interpersonal violence, and vaccine confidence. RESULTS: This protocol was successfully implemented despite challenges such as real-time technology issues and rapidly finding and surveying a difficult-to-reach population. We sampled 1127 unique participants (248 in Atlanta, 465 in Los Angeles, and 414 in Las Vegas). CONCLUSIONS: The establishment and utilization of strong community partnerships enabled the rapid collection of data from a typically difficult-to-reach population. Local efforts such as these are needed to develop policies and practices that promote harm reduction among people who use opioids. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): RR1-10.2196/25575.
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 | 0,042 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,012 |
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 ».