Mental health status, health service utilization, drug use behaviors associated with non-fatal overdose among people who use illicit drugs: A meta-analysis
Notice bibliographique
Résumé
Background The present study aims to determine mental health conditions, service use determinants, and drug use behaviors associated with non-fatal overdose among people who use illicit drugs (PWUIDs).Methods We searched for studies in English published before February 1, 2021, on PubMed, Scopus, Cochrane, and Web of Science to identify primary studies on the factors associated with non-fatal overdose among PWUIDs. After reviewing for study duplicates, the full-text of selected articles were assessed for eligibility using Population, Intervention, Comparator, and Outcomes (PICO) criteria. The present study applied OR to measure the effect size with 95% CI. For data analysis, R 3.5.1 with the “meta” package was used to conduct the meta-analysis.Results After a detailed assessment of more than 13,845 articles, a total of 60 studies met the eligibility criteria. We found that non-fatal overdose was independently and positively associated with various factors considered and was, as expected, most strongly associated with being male, needs help injecting, needle sharing, overdose experience in past 12 months, alcohol abuse, had mental health diagnosis, depression, and anxiety disorders, suicide (ideation or attempt), inpatient detoxification, benzodiazepine use, and emergency department visit or hospitalization.Conclusion The findings of the current meta-analysis support the requirement to improve suitable harm reduction strategies for drug users, such as peer-based overdose management.Abbreviations: PWUIDs: People who use illicit drugs; WHO: World Health Organization; CI: Confidence intervals; NOS: Newcastle-Ottawa Scale; OR: Odds ratio; PICO: Population, Intervention, Comparator, Outcomes; PRISMA: Protocols of Systematic Reviews and Meta-Analyses; PWIDs: people who inject drugs; WHO: World Health Organization; SIF: Safer Injection Facility
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 | 0,018 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,074 |
| Bibliométrie | 0,009 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».