TOXICOLOGICAL AND PUBLIC HEALTH CONSEQUENCES OF ILLICIT DRUG USE IN URBAN POPULATIONS
Notice bibliographique
Résumé
Background: Illicit drug use in urban populations presents a growing toxicological and public health crisis, driven by the increasing prevalence of synthetic opioids, psychostimulants, and polysubstance abuse. Despite extensive literature on individual substances, there is limited comprehensive synthesis focusing specifically on the urban context, where unique socioeconomic and infrastructural factors amplify drug-related harms. This gap in knowledge limits the development of targeted interventions and forensic policy responses. Objective: This systematic review aims to evaluate the toxicological and public health consequences of illicit drug use in urban populations, synthesizing current evidence to guide clinical practice, forensic investigation, and public health policy. Methods: A systematic review was conducted in accordance with PRISMA 2020 guidelines. Databases searched included PubMed, Scopus, Web of Science, and Cochrane Library, covering publications from 2018 to 2024. Inclusion criteria encompassed observational studies and cohort analyses focused on illicit drug use in urban settings, reporting on toxicological or public health outcomes. Data were extracted using a standardized form and assessed for risk of bias using the Newcastle-Ottawa Scale and JBI checklists. Due to study heterogeneity, a narrative synthesis approach was employed. Results: Eight studies involving a total of 29,537 participants were included. Findings consistently showed elevated rates of overdose mortality, emergency department admissions, and infectious disease transmission associated with opioids, methamphetamine, and mixed drug use in urban areas. Statistically significant associations (p < 0.05) were noted for polysubstance use and increased mortality, especially during the COVID-19 pandemic. Risk of bias was generally low to moderate across studies. Conclusion: Illicit drug use in urban populations is associated with profound toxicological and public health consequences, underscoring the need for integrated harm reduction strategies, enhanced surveillance, and context-specific interventions. While findings are supported by high-quality evidence, further longitudinal studies are needed to assess long-term impacts and evaluate policy effectiveness.
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 | 0,001 |
| 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 ».