The Effect of Prescription Opioid Injection on the Risk of Non-Fatal Overdose Among People Who Inject Drugs
Notice bibliographique
Résumé
Objectives—Prescription opioid (PO) use by people who inject drugs (PWID) is a growing public health concern. Non-fatal overdose remains a leading source of morbidity among PWID, however, little is known about the relationship between PO injection and non-fatal overdose in this population. In this study we sought to examine the impact of PO injection on non-fatal overdose among PWID from Vancouver, Canada. Methods—Data were derived from two open prospective cohorts of PWID for the period of December, 2005 to May, 2014. Multivariable generalized estimating equations were used to examine the odds of overdose among those who injected: POs; heroin; and POs and heroin. Results—In total, 1660 PWID (33.7% women) participated in this study. In multivariable analyses, in comparison to those who were injecting non-opioid drugs, exclusive PO injection was not significantly associated with non-fatal overdose (adjusted odds ratio [AOR]: 1.17, 95% confidence interval [CI]: 0.74 – 1.86). The odds of non-fatal overdose were elevated for heroin injection (AOR: 1.72, 95% CI: 1.31 – 2.27), but were greatest for those who injected both heroin and POs (AOR: 2.46, 95% CI: 1.83 – 3.30).
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 | 0,010 |
| 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 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».