Barriers and Facilitators to Accessing Opioid Agonist Therapy for Street-involved Adolescents and Young Adults in Vancouver
Notice bibliographique
Résumé
OBJECTIVE: Opioid agonist therapy (OAT) remains the first-line therapy for people with opioid use disorder. Whereas overdose rates among adolescents and young adults (AYAs) remain high, little is known about their access to OAT. Therefore, we sought to evaluate factors that shape access to OAT among AYAs aged 14 to 26 years. METHODS: Data were derived from the At-Risk Youth Study, a prospective cohort study that involves street-involved AYAs who use illicit substances in Vancouver, Canada. Generalized estimating equations were used to identify factors associated with OAT enrollment from September 2005 to October 2021. RESULTS: A total of 759 AYAs reported at least weekly opioid or OAT use, with a median age of 23 years and 65.7% self-identifying as male. At baseline, 147 participants (19.4%) were on OAT, and another 199 (26.2%) initiated OAT during study follow-up (median number of follow-up visits, 5 [Q1-Q3, 2.5-8]). In a multivariable analysis, being <19 years old (adjusted odds ratio [AOR], 0.40; 95% confidence interval [CI], 0.23-0.71), Indigenous ancestry (OR, 0.72; 95% CI, 0.52-1.00), homelessness (AOR, 0.65; 95% CI, 0.54-0.77), drug dealing (AOR, 0.73; 95% CI, 0.61-0.87), daily opioid use (AOR, 0.47; 95% CI, 0.40-0.55), and nonfatal overdose (AOR, 0.73; 95% CI, 0.60-0.89) were negatively associated with OAT use. CONCLUSIONS: This study identified a low rate of OAT access among AYAs. Adolescents and young adults were less likely to be on OAT if they were <19 years old, Indigenous, and possessed certain risk markers. These findings highlight the need for mitigation strategies to facilitate OAT access for this population and for additional harm reduction measures to support AYAs who do not want to use OAT.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».