Patterns and social factors associated with non-prescription use of Tramadol: a cross-sectional study among youth in urban informal settlements in Ghana
Notice bibliographique
Résumé
BACKGROUND: Non-prescription use of Tramadol is increasingly becoming common among vulnerable populations. This study examines the factors associated with non-prescription use of Tramadol among youth in urban informal settlements in the Asokore Mampong Municipality, Ghana. METHODS: Cross-sectional data from Tramadol users aged 15 to 35 years living in urban informal settlements were analyzed. Non-prescription use of Tramadol was assessed using the item "Have you ever used Tramadol for any reason without a prescription from a healthcare professional?". The responses were dichotomized as yes = 1, otherwise = 0. Multivariable logistic regression models evaluated the factors associated with non-prescription use of Tramadol. RESULTS: Data on 200 Tramadol users were obtained. Family/friends (52.3%), were the main source of knowledge on Tramadol. Energy boost (43%) was the most cited reason for Tramadol use. Approximately 52% indicated a continuing non-prescription use of Tramadol for energy boost. Multivariable logistic regressions showed that those who lived alone (OR = 6.34: 95% CI = 2.03-19.82), migrants (OR = 3.97, 95% CI = 1.31-12.05) and the unemployed (OR = 3.57, 95% CI = 1.02-12.58) were significantly more likely to report non-prescription use of Tramadol. CONCLUSIONS: Non-prescription use of Tramadol is a threat to the youth in urban informal settlements in the Asokore Mampong Municipality. Interventions such as strict drug monitoring and regulation, drug use education, strict parental supervision, and sustainable jobs may contribute to controlling non-prescription use of Tramadol.
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 | 0,001 | 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 | 0,001 |
| 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 ».