Trends and correlates of discordant reporting of drug use among nightclub/festival attendees, 2019–2022
Notice bibliographique
Résumé
Introduction People who attend nightclubs and festivals are known for high prevalence of party drug use, but more research is needed on underreporting in this population, in part because unintentional drug exposure through adulterated drug products is common. We examined the prevalence of drug use in this population, based both on self-reporting and on hair test results, with a focus on the detection of underreported use.Methods Adults entering nightclubs and festivals in New York City were asked about past-year drug use in 2019–2022 (n = 1,953), with 328 providing an analyzable hair sample for testing. We compared trends in self-reported drug use, drug positivity, and "corrected" prevalence, adjusting for unreported use, and delineated correlates of testing positive for ketamine and cocaine after not reporting use (discordant reporting).Results Of the 328 who provided a sample, cocaine and ketamine were the most frequently detected drugs (55.2% [n = 181] and 37.2% [n = 122], respectively), but these were also the two most underreported drugs, with 37.1% (n = 65) and 26.4% (n = 65), respectively, testing positive after not reporting use. Between 2019 and 2022, positivity decreased for cocaine, ketamine, 3,4-methylenedioxy-metamfetamine, and amfetamine, and underreported exposure to cocaine and ketamine also decreased (P < 0.05). Underreporting of the use of these drugs was common, but we also detected underreported exposure to ethylone, fentanyl, 3,4-methylenedioxyamfetamine, metamfetamine, and synthetic cannabinoids. Prevalence of discordant reporting of cocaine use was higher among those testing positive for ketamine exposure (adjusted prevalence ratio = 2.63; 95% CI: 1.48–4.69) and prevalence of discordant reporting of ketamine use was lower post-coronavirus disease caused by the SARS-CoV-2 virus (adjusted prevalence ratio = 0.39; 95% CI: 0.16–0.91) and among those reporting cocaine use (adjusted prevalence ratio = 0.53; 95% CI: 0.32–0.89).Discussion Underreporting of drug use was common, suggesting the need for researchers to better deduce intentional underreporting versus unknown drug exposure via adulterants.Conclusions Researchers should consider both self-report and toxicology results from biological samples when examining trends in use.
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».