How substance use preferences and practices relate to fentanyl exposure among people who use drugs in Rhode Island, USA
Notice bibliographique
Résumé
Background: Over 107,000 people died in the United States (U.S.) from drug overdose in 2022, with over one million overdose deaths since 1999. The U.S. drug market is characterized by a highly toxic, unregulated, and rapidly changing supply. Understanding the extent of exposure to fentanyl among people who use drugs (PWUD) will guide public health interventions aimed to decrease overdose. Methods: We utilized baseline data from the Rhode Island Prescription and Illicit Drug Study, a randomized controlled trial of harm reduction-oriented interventions for PWUD in Rhode Island from 2020 to 2023. We evaluated sociodemographic and drug use-related covariates and examined fentanyl presence in urine drug testing (UDT). We built a classification and regression tree (CART) model to identify subpopulations with the highest likelihood of fentanyl presence in UDT. Results: <0.05 for all). The CART analysis demonstrated a large variation in sample sub-groups' likelihood of fentanyl presence in UDT, from an estimated probability of 0.09 to 0.90. Expected recent fentanyl exposure was the most important predictor of fentanyl in UDT. Conclusions: Univariate analyses and CART modeling showed substantial variation in the presence of fentanyl in UDT among PWUD. Harm reduction services for people actively injecting drugs and drug checking programs based on capacity-building, empowerment, and targeted towards those not yet engaged in services are urgently needed to support PWUD in navigating the current volatile drug supply.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».