Examining prevalence and correlates of smoking opioids in British Columbia: opioids are more often smoked than injected
Notice bibliographique
Résumé
BACKGROUND: British Columbia (BC) is in the midst of an opioid overdose crisis. Since 2017, smoking illicit drugs has been the leading mode of drug administration causing overdose death. Yet, little is known about people who smoke opioids, and factors underlying choice of mode of administration. The study objectives are to identify the prevalence and correlates associated with smoking opioids. METHODS: The Harm Reduction Client Survey is a monitoring tool used by the BC Centre for Disease Control since 2012. This survey is disseminated to harm reduction sites across BC to understand drug use trends and drug-related harms. We examined data from the survey administered October-December 2019 and performed descriptive, univariate, and multivariate analyses to better understand factors associated with smoking opioids. RESULTS: A total of 369 people who used opioids in the past 3 days were included, of whom 251 (68.0%) reported smoking opioids. A total of 109 (29.5%) respondents experienced an overdose in the past 6 months; of these 79 (72.5%) smoked opioids. Factors significantly associated with smoking opioids were: living in a small community (AOR =2.41, CI =1.27-4.58), being a woman (AOR = 1.84, CI = 1.03-3.30), age under 30 (AOR = 5.41, CI = 2.19-13.40) or 30-39 (AOR = 2.77, CI = 1.33-5.78) compared to age ≥ 50, using drugs alone (AOR = 2.98, CI = 1.30-6.83), and owning a take-home naloxone kit (AOR = 2.01, CI = 1.08-3.72). Reported use of methamphetamines within the past 3 days was strongly associated with smoking opioids (AOR = 6.48, CI = 3.51-11.96). CONCLUSIONS: Our findings highlight important correlates associated with smoking opioids, particularly the recent use of methamphetamines. These findings identify actions to better respond to the overdose crisis, such as targeted harm reduction approaches, educating on safer smoking, advocating for consumption sites where people can smoke drugs, and providing a regulated supply of opioids that can be smoked.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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) | 0,003 | 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 ».