Assessing Drug Consumption Rooms and Longer Term (5 Year) Impacts on Community and Clients
Notice bibliographique
Résumé
BACKGROUND: Drug consumption rooms (DCRs) and supervised injecting facilities (SIFs) provide a safe environment in which people who inject drugs (PWIDs) can inject under hygienic and supervised conditions. Numerous reviews have documented the benefits of these facilities; however, there is a lack of clarity surrounding their long-term effects. PURPOSE: To conduct, with a systematic approach, a literature review, of published peer-reviewed literature assessing the long-term impacts of DCRs/SIFs. METHODS: A systematic search of the PubMed and Embase database was performed using the keywords: ("SUPERVISED" OR "SAFE*") AND ("CONSUMPTION" OR "INJECT*" OR "SHOOTING") AND ("FACILITY*" OR "ROOM*" OR "GALLERY*" OR "CENTRE*" OR "CENTER*" OR "SITE*"). Included studies were original articles reporting outcomes for five or more years and addressed at least one of the following client or community outcomes; (i) drug-related harms; (ii) access to substance use treatment and other health services; (iii) impact on local PWID population; (iv) impact on public drug use, drug-related crime and violence; and (v) local community attitudes to DCRs. RESULTS: Four publications met our inclusion criteria, addressing four of the five outcomes. Long-term data suggested that while the health of PWID naturally declined over time, DCRs/SIFs helped reduce injecting-related harms. The studies showed that DCRs/SIFs facilitate drug treatment, access to health services and cessation of drug injecting. Local residents and business owners reported less public drug use and public syringe disposal following the opening of a DCR/SIF. CONCLUSION: Long-term evidence on DCRs/SIFs is consistent with established short-term research demonstrating the benefits of these facilities. A relative paucity of studies was identified, with most evidence originating from Sydney and Vancouver. The overall body of evidence would be improved by future studies following outcomes over longer periods and being undertaken in a variety of jurisdictions and models of DCRs/SIFs.
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 | 0,025 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,008 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».