Psychological impacts of Intentional Non-Medical Fentanyl Use Among People Who Use Drugs: A Systematic Review
Notice bibliographique
Résumé
Introduction The use of non-medical fentanyl and structurally related compounds has changed drastically over the last ten years. Community members working with individuals who use fentanyl intentionally currently struggle with the rapidly evolving drug markets and patterns of use, thereby failing to adapt treatment approaches and harm reduction strategies to individuals with severe opioid use disorder (OUD) and concurrent psychiatric disorders. Objectives This systematic review aims to evaluate intentional fentanyl among PWUD by summarizing demographic variance, concurrent disorders, and resulting patterns of use. Methods The search strategy in this study was developed with a combination of free text keywords and Mesh and non-Mesh keywords, and adapted with database-specific filters to Ovid MEDLINE, Embase, Web of Science, and PsychINFO (May 2021). The search results resulted in 4437 studies after de-duplication, of which 132 were selected for full-text review. A total of 42 articles were included in this review. Results It was found that individuals who use fentanyl intentionally were more likely to be young, male, and Caucasian. Individuals who intentionally use fentanyl were more commonly homeless, unemployed or working illegally, and live-in cities. Independent correlates of any purposeful fentanyl use included moderate/severe depression. Conclusions Individuals who intentionally use fentanyl are more likely to report injection drug use and polysubstance use, including cocaine use, heroin use, and methamphetamine use. Among PWUD, individuals who intentionally use fentanyl have the most severe substance use patterns, the most precarious living situation, and the most extensive overdose history and higher proportion of ever having a mental health diagnosis. Disclosure No significant relationships.
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 | 0,004 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».