The Impact of Engagement in Street-based Income Generation Activities on Stimulant Drug Use Cessation among People who Inject Drugs
Notice bibliographique
Résumé
Background Despite the growing prevalence of illicit stimulant drug use internationally, and the widespread involvement of people who inject drugs (IDU) within street-based drug markets, little is known about the impact of different types of street-based income generation activities on the cessation of stimulant use among IDU. Methods Data were derived from an open prospective cohort of IDU in Vancouver, Canada. We used Kaplan-Meier methods and Cox proportional hazards regression to examine the effect of different types of street-based income generation activities (e.g., sex work, drug dealing, and scavenging) on time to cessation of stimulant use. Results Between December, 2005 and November, 2012, 887 IDU who use stimulant drugs (cocaine, crack cocaine, or crystal methamphetamine) were prospectively followed-up for a median duration of 47 months. In Kaplan-Meier analyses, compared to those who did not engage in street-based income generation activities, participants who reported sex work, drug dealing, scavenging, or more than one of these activities were significantly less likely to report stimulant drug use cessation (all p<0.001). When considered as time-updated variables and adjusted for potential confounders in a multivariable model, each type of street-based income generation activity remained significantly associated with a slower time to stimulant drug cessation (all p<0.005). Conclusions Our findings highlight the urgent need for strategies to address stimulant dependence, including novel pharmacotherapies. Also important, structural interventions, such as low-threshold employment opportunities, availability of supportive housing, legal reforms regarding drug use, and evidence-based approaches that reduce harm among IDU are urgently required.
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 | 0,005 |
| 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) | 0,003 | 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 ».