MétaCan
Menu
Retour à la cohorte
Enregistrement W4220839183 · doi:10.1186/s12954-022-00604-w

Naloxone protection, social support, network characteristics, and overdose experiences among a cohort of people who use illicit opioids in New York City

2022· article· en· W4220839183 sur OpenAlexaff
Alex S. Bennett, Joy D. Scheidell, Jeanette M. Bowles, Maria R. Khan, Alexis M. Roth, Lee Ann Hoff, Christina Marini, Luther Elliott

Notice bibliographique

RevueHarm Reduction Journal · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Drug Abuse
Mots-clésHealth psychology(+)-NaloxoneOpioid overdoseCohortMedicineSocial workPsychologyPsychiatryPublic healthMedical emergencyOpioidPolitical scienceNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Despite increased availability of take-home naloxone, many people who use opioids do so in unprotected contexts, with no other person who might administer naloxone present, increasing the likelihood that an overdose will result in death. Thus, there is a social nature to being "protected" from overdose mortality, which highlights the importance of identifying background factors that promote access to protective social networks among people who use opioids. METHODS: We used respondent-driven sampling to recruit adults residing in New York City who reported recent (past 3-day) nonmedical opioid use (n = 575). Participants completed a baseline assessment that included past 30-day measures of substance use, overdose experiences, and number of "protected" opioid use events, defined as involving naloxone and the presence of another person who could administer it, as well as measures of network characteristics and social support. We used modified Poisson regression with robust variance to estimate unadjusted and adjusted prevalence ratios (PRs) and 95% confidence intervals (CIs). RESULTS: 66% of participants had ever been trained to administer naloxone, 18% had used it in the past three months, and 32% had experienced a recent overdose (past 30 days). During recent opioid use events, 64% reported never having naloxone and a person to administer present. This was more common among those: aged ≥ 50 years (PR: 1.18 (CI 1.03, 1.34); who identified as non-Hispanic Black (PR: 1.27 (CI 1.05, 1.53); experienced higher levels of stigma consciousness (PR: 1.13 (CI 1.00, 1.28); and with small social networks (< 5 persons) (APR: 1.14 (CI 0.98, 1.31). Having a recent overdose experience was associated with severe opioid use disorder (PR: 2.45 (CI 1.49, 4.04), suicidality (PR: 1.72 (CI 1.19, 2.49), depression (PR: 1.54 (CI 1.20, 1.98) and positive urinalysis result for benzodiazepines (PR: 1.56 (CI 1.23, 1.96), but not with network size. CONCLUSIONS: Results show considerable gaps in naloxone protection among people who use opioids, with more vulnerable and historically disadvantaged subpopulations less likely to be protected. Larger social networks of people who use opioids may be an important resource to curtail overdose mortality, but more effort is needed to harness the protective aspects of social networks.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,247
Score d'incertitude au seuil0,491

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,261
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHarm Reduction JournalMême sujetOpioid Use Disorder TreatmentTravaux en français237 207