Factors associated with drug use in prison: A systematic review of quantitative and qualitative evidence
Notice bibliographique
Résumé
BACKGROUND: About a third of people use drugs during their incarceration, which is associated with multiple adverse health and criminal justice outcomes. Many studies have examined factors associated with in-prison drug use, but this evidence has not yet been systematically reviewed. We aimed to systematically review and synthesise the evidence on factors related to drug use in prison. METHODS: Three databases (PubMed, PsycINFO and Embase) were systematically searched as well as grey literature, for quantitative, qualitative and mixed-methods studies examining factors related to drug use inside prison. We excluded studies that did not explicitly measure in prison drug use or only measured alcohol and/or tobacco use. Study quality was assessed using the Newcastle Ottawa Scale (NOS) for quantitative studies and Critical Appraisal Skills Programme (CASP) for qualitative studies. The review was prospectively registered on PROSPERO (CRD42021295898). RESULTS: Fifty-four studies met the inclusion criteria, reporting data on 26,399 people in prison. Most studies were of low or moderate-quality, and all used self-report to assess drug use. In quantitative studies, studies found that previous criminal justice involvement, poor prison conditions, pre-prison drug use and psychiatric diagnosis were positively associated with drug use in prison. In qualitative studies, reasons for drug use were closely linked to the prison environment lacking purposeful activity and the social context of the prison whereby drug use was seen as acceptable, necessary for cohesion and pressurised. CONCLUSION: In the first systematic review of factors associated with drug use in prison, key modifiable risk factors identified from quantitative and qualitative studies were psychiatric morbidity and poor prison conditions. Non-modifiable factors included previous drug use and criminal history linked to substance use. Our findings indicate an opportunity to intervene and improve the prison environment to reduce drug use and associated adverse outcomes.
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 | 0,041 | 0,131 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,024 | 0,020 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| 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 ».