The Implementation of Drug Checking Services for People Who Use Drugs: A Systematic Review
Notice bibliographique
Résumé
THIS PREPRINT HAS BEEN UPDATED AND FORMALLY PUBLISHED IN _ADDICTION_ [https://onlinelibrary.wiley.com/doi/10.1111/add.15734] (HTTPS://DOI.ORG/10.1111/ADD.15734 [https://doi.org/10.1111/add.15734]). A ONE-PAGE FACT SHEET [https://cdpe.org/publication/drug-checking-services-for-people-who-use-drugs-a-systematic-review/] IS ALSO AVAILABLE. BACKGROUND AND AIMS: Drug checking services (DCS) provide people who use drugs (PWUD) with chemical analysis results of their drug samples, while simultaneously monitoring the unregulated drug market. We sought to identify and synthesize literature on the following domains: (a) influence of DCS on behaviour of PWUD; (b) monitoring of drug markets by DCS; and (c) outcomes related to models of DCS. METHODS: This review followed PRISMA guidelines and was pre-registered in PROSPERO (CRD42018105366). A systematic literature search was conducted in MEDLINE, Embase, Cochrane Central Register of Controlled Trials, Cochrane Database of Systematic Reviews, PsycINFO, Scopus, Web of Science, and Dissertations & Theses Global. Eligible studies were peer-reviewed articles and conference abstracts, or grey literature, published in any language since 1990 and including original data on the domains. We assessed risk of bias for quantitative peer-reviewed articles reporting on behaviour or models of DCS using National Institutes of Health tools. RESULTS: We screened 2,463 titles and abstracts and 156 full-texts, with 90 studies meeting inclusion criteria. Most (n=65, 72.2%) were from Europe and used cross-sectional designs (n=79, 87.7%). Monitoring of drug markets by DCS (n=63, 70%) was most commonly reported, followed by influence of DCS on behaviour (n=31, 34.4%) and outcomes related to models of DCS (n=17, 18.9%). The most common outcome measures were detection of unexpected substances (n=50, 55.6%), expected substances (n=44, 48.9%), new psychoactive substances_ _(n=40, 44.4%), and drugs of concern (n=32, 36.5%) by DCS. CONCLUSIONS: Monitoring of drug markets by DCS is well established in Europe and increasingly in North America. There is an emerging evidence base demonstrating the capacity of DCS to influence behavioural intention, and a smaller subset of findings on its impact on the enacted behaviour of PWUD. Further research is needed on enacted behaviours and corresponding health outcomes including overdose, particularly among people who inject drugs or use opioids.
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 | 0,023 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».