Prisons, drugs and COVID-19: Early releases and continuity of care
Notice bibliographique
Résumé
Abstract Introduction Detention settings are high-risk environments for the spread of infectious diseases. Since 2020, COVID-19 has posed unprecedented challenges for governments and prison administrations. In some jurisdictions, this has catalysed early release programmes to decongest prisons to minimise the harm of COVID-19 in prison systems. Methods From March to June 2020, HRI monitored the adoption of prison decongestion measures in response to COVID-19 in Europe and worldwide. HRI tracked criteria for eligibility and implementation of the measures and distributed online expert surveys as part of the Global State of Harm Reduction 2020 that included questions on harm reduction in prisons and the response to COVID-19. Survey data was supplemented by a review of academic, governmental, and non-governmental literature. A review to update the data will be carried out by mid-2021. Results and discussion Results show prison decongestion schemes initiated in 17 countries in Europe and 109 countries worldwide. Overall, by July 2020 decongestion measures reduced the global prison population by 16% in Europe and just 6% worldwide. In a quarter of countries (including at least four in Europe), people incarcerated for drug offences were explicitly excluded, regardless of whether they suffered from health condition or belong to a vulnerable group. We found no evidence of expanded access to harm reduction programmes to address the risk of overdose after release. Issues that exacerbate overdose risk included interruptions to the provision of opioid agonist therapy (OAT) and the unavailability in most jurisdictions of naloxone on release. Conclusions People who use drugs and are in detention settings have been inadequately served during the COVID-19 pandemic. To address the unique health risks of detention settings, there is a need for greater commitment to the adoption of non-custodial measures, and diversion from criminal justice towards a health-led response to drug use.
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 | 0,009 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».