Use of Cannabis as a Harm Reduction Strategy Among People Who Use Drugs: A Cohort Study
Notice bibliographique
Résumé
Introduction: While substance use contributes to a substantial burden of disease, access to evidence-based harm reduction interventions remains limited or inaccessible. Preliminary research suggests that some individuals use cannabis to reduce the harms associated with their use of other substances, including opioids and stimulants. This study examines factors associated with the self-reported use of cannabis for harm reduction among people who use drugs (PWUD). Methods: We drew data from three prospective, community-recruited cohorts of PWUD in Vancouver, Canada, between June 2016 and May 2018. Multivariable generalized linear mixed-effects modeling was used to examine factors associated with the primary outcome of “use of cannabis for harm reduction,” defined as self-reported use of cannabis to substitute for other substances, treat withdrawal, or come down off other drugs. Results: One thousand nine hundred thirty-six participants contributed 5706 observations. In adjusted analyses, daily methamphetamine use (adjusted odds ratio [AOR]=1.43, 95% confidence interval [CI]: 1.09–1.89), experiencing barriers to accessing addiction treatment (AOR=1.92, 95% CI: 1.21–3.03), and enrollment in addiction treatment modalities other than opioid agonist therapy (AOR=1.64, 95% CI: 1.17–2.29) were positively associated with using cannabis for harm reduction. Older age was negatively associated (AOR=0.97, 95% CI: 0.95–0.98). Among 1281 (66.2%) participants who use cannabis, daily cannabis use and obtaining cannabis from unregulated dispensaries were also independent correlates of using cannabis for harm reduction. Discussion and Conclusions: Individuals who were more likely to use cannabis for harm reduction reported difficulty accessing addiction treatment or used substances, such as methamphetamines, where effective treatments are limited. These findings highlight the need to better understand the potential harm-reducing impacts of cannabis among PWUD in these scenarios.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».