Good Samaritan Drug Overdose Act awareness among people who use drugs in British Columbia, Canada
Notice bibliographique
Résumé
Introduction: To address the increase in opioid-related overdoses and deaths in Canada the Good Samaritan Drug Overdose Act (GSDOA) was enacted in May 2017. The GSDOA aims to reduce concerns of police attending overdose events and encourage bystanders to call emergency services. This study explores GSDOA awareness and understanding and the factors associated with GSDOA awareness among people who use drugs (PWUD). Methods: A cross-sectional drug and harm reduction service use survey containing GSDOA-specific questions wasconducted from October to December 2019 at 22 harm reduction supply distribution sites across British Columbia.Descriptive analysis and multivariable logistic regression were conducted to assess correlates of GSDOA awareness. Results: Overall, 54.2% (n = 315) of the eligible study sample (n = 581) reported being aware of the GSDOA. Of respondents reporting awareness, 45.2% and 61.3%, respectively, had a full understanding of when and to whom the GSDOA provides legal protection. In the multivariable model, GSDOA awareness was significantly associated with respondents identifying as cis-men (adjusted odds ratio (AOR) = 2.03 [95% CI: 1.30–3.19]); and those who obtained harm reduction supplies frequently (at least a few times/week) compared with those who did not obtain supplies or obtained them less frequently (AOR = 1.78 [95% CI: 1.14–2.76]). Conclusion: More than 2 years after its introduction, approximately half of harm reduction site clients reported being aware of the GSDOA, and, of these, less than two-thirds had a complete understanding of who is legally protected by the GSDOA. Future GSDOA knowledge dissemination should target PWUD who are less engaged with harm reduction services to improve GSDOA awareness and understanding.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».