Violence, policing, and systemic racism as structural barriers to substance use treatment amongst women sex workers who use drugs: Findings of a community-based cohort in Vancouver, Canada (2010–2019)
Notice bibliographique
Résumé
BACKGROUND: Despite a high prevalence of substance use among women sex workers (SWs), rigorous social epidemiologic data on substance use treatment experiences among SWs remains limited. Given these gaps and the disproportionate burden of criminalization borne by Indigenous SWs, we evaluated (1) structural correlates of unsuccessful attempts to access substance use treatment; and (2) the interaction between policing and Indigenous ancestry on unsuccessful attempts to access treatment among SWs who use drugs. METHODS: Prospective data were from an open community-based cohort of women SWs (2010-2019) in Vancouver, Canada. Bivariate and multivariable logistic regression with generalized estimating equations(GEE) assessed correlates of unsuccessful attempts to access treatment. A multivariable GEE confounder model examined the interaction between Indigenous ancestry and policing on unsuccessful attempts to access treatment. RESULTS: Amongst 645 SWs who used drugs, 32.1 % reported unsuccessful attempts to access substance use treatment during the 9.5-year study. In multivariable GEE analysis, unsuccessful substance use treatment access was associated with identifying as a sexual/gender minority (AOR: 1.90, 95 %CI:1.37-2.63), opioid use (AOR: 1.43, 95 %CI: 1.07-1.91), and exposure to homelessness (AOR: 1.72; 95 %CI:1.33-2.21), police harassment (AOR: 1.48, 95 %CI:1.03-2.13), workplace violence (AOR: 1.80, 95 %CI: 1.31-2.49) and intimate partner violence (AOR: 2.11, 95 %CI:1.50-2.97). In interaction analysis, Indigenous SWs who experienced police harassment faced the highest odds of unsuccessful attempts to access substance use treatment (AOR: 2.59, 95 %CI:1.65-4.05). CONCLUSION: Findings suggest a need to scale-up culturally-safe, trauma-informed addictions, gender-based violence, and sex worker services, alongside dismantling of systemic racism across and beyond health and addictions services.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».