Illicit Substance Use and the COVID-19 Pandemic in the United States: A Scoping Review and Characterization of Research Evidence in Unprecedented Times
Notice bibliographique
Résumé
We carried out a scoping review to characterize the primary quantitative evidence addressing changes in key individual/structural determinants of substance use risks and health outcomes over the first two waves of the COVID-19 pandemic in the United States (US). We systematically queried the LitCovid database for US-only studies without date restrictions (up to 6 August 2021). We extracted quantitative data from articles addressing changes in: (a) illicit substance use frequency/contexts/behaviors, (b) illicit drug market dynamics, (c) access to treatment and harm reduction services, and (d) illicit substance use-related health outcomes/harms. The majority of 37 selected articles were conducted within metropolitan locations and leveraged historical timeseries medical records data. Limited available evidence supported changes in frequency/behaviors/contexts of substance use. Few studies point to increases in fentanyl and reductions in heroin availability. Policy-driven interventions to lower drug use treatment thresholds conferred increased access within localized settings but did not seem to significantly prevent broader disruptions nationwide. Substance use-related emergency medical services' presentations and fatal overdose data showed a worsening situation. Improved study designs/data sources, backed by enhanced routine monitoring of illicit substance use trends, are needed to characterize substance use-related risks and inform effective responses during public health emergencies.
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 | 0,090 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,029 | 0,024 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 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 ».