Patterns of polysubstance use disorder among human trafficking survivors: A latent class analysis
Notice bibliographique
Résumé
• Survivors of human trafficking are at risk for substance use disorder (SUD). • Survivors of human trafficking (HT) are at risk for substance use disorder (SUD). • Our latent class analysis of SUDs among emergency visits involving HT survivors found three distinct groups. • Classes were distinguished by their predicted probability of alcohol, opioid, cannabis, stimulant, and other SUDs. • Classes in which survivors had greater probability of multiple SUDs had greater likelihood of being hospitalized. Background: Substance use is commonly documented among human trafficking (HT) survivors in emergency department (ED) settings. Multiple substance use disorders (poly-SUD) are associated with poor health and psychosocial outcomes. This study identified latent classes and demographic covariates of HT-related ED visits by the types of SUDs documented in survivors’ medical records. Methods: We used cross-sectional data from the United States 2019–2021 Nationwide Emergency Department Sample, including visits of patients aged 12–64 years with an ICD-10-CM code documenting either sex or labor exploitation (N = 4,212). A bias-adjusted three-step latent class analysis was conducted, with SUDs documented via ICD-10-CM codes included as indicators in the model. Results: The optimal three-class solution had superior fit based on pre-selected indicators, low classification error, and acceptable entropy. The largest class comprised 76.01 % of the sample and showed a lower predicted probability of the SUD classes considered. The second largest class (17.27 %) was characterized by high predicted probability of stimulant use disorder with moderately high predicted probability of opioid use disorder. The smallest class (6.72 %) was characterized by high predicted probability of each SUD considered. Class membership was differentially associated with disposition from the ED, nicotine use disorder, and income. Conclusions: Although most ED visits were classified as having relatively low probability of SUD, nearly one quarter of the sample had high risk of either stimulant use disorder or high poly-SUD. Poly-SUD in HT survivors is associated with increased risk of hospitalization. Findings provide direction for tailoring intervention programs to support SUD recovery among HT survivors.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».