Risk Factors for Narcotic Use in Street Children: A Cross-Sectional Analysis From a Low-Middle-Income Country
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Worldwide, indulgence in high-risk behaviors such as substance abuse is on the rise in street children. Though substance abuse among street children has been investigated and reported in Pakistan, few studies have explored the relationship between narcotic use and its associated factors. This study was conducted to determine factors associated with narcotic use among street children in Islamabad Capital Territory. An analytical cross-sectional survey of a probability-based sample of 443 (males) street children aged 12 to 18 years, was conducted in Islamabad in March 2022. Using self-reported measures, the relationship between narcotic use and associated factors was determined using multivariate regression analysis. Out of 443 street children, with a mean age of 16.3 ± 1.6 years, 244 (55%) were between 17 and 18 years old. 119 (26.9%) worked as garbage collectors and 76 (17.2%) worked as car washers. The most common substance used was cigarettes in 285 (64.3%), naswaar in 172 (38.8%), hashish in 144 (32.5%), and alcohol in 63 (14.2%) street children. There were 164 (37%) street children who admitted having used narcotics (hashish, heroin, and bhang). On multivariate analysis, age > 16 years (OR: 2.3), sleeping on the streets (OR: 2.4), higher monthly income > Rs.18,000 (OR: 1.6), use of drugs by friends (OR: 5), and involvement in the selling of drugs (OR: 10.3) were independently associated with narcotic use. Substance abuse is a concerning trend among street children in Islamabad. When certain high-risk factors are present, these children are prone to narcotic 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.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle