Health and safety risks associated with public injecting among people who inject drugs in <scp>B</scp>angkok, <scp>T</scp>hailand
Notice bibliographique
Résumé
INTRODUCTION AND AIMS: The injection of illicit drugs in public spaces is known to pose significant health risks to people who inject drugs (IDU). However, to our knowledge this practice has not been explored in the Asian context. Therefore, we sought to characterise the prevalence of and factors associated with public injecting among a community-recruited sample of IDU in Bangkok, Thailand. DESIGN AND METHODS: Data were derived from the Mitsampan Community Research Project between July and October 2011. Using multivariate logistic regression, this cross-sectional study examined the prevalence and correlates of public injecting within the past six months among 437 IDU participants. RESULTS: In total, 121 (27.7%) participants reported injecting drugs in a public space within the past six months. In multivariate analyses, public drug injection was independently associated with male gender [adjusted odds ratio (AOR) 2.51, 95% confidence interval (CI)) 1.29-5.22], weekly heroin injection (AOR 2.19, 95% CI 1.27-3.77), assisted injection (AOR 1.93, 95% CI 1.06-3.49), rushed injection (AOR 4.36, 95% CI 2.65-7.24), incarceration (AOR 2.27, 95% CI 1.01-5.04) and noticing police presence where drugs are bought or used (AOR 1.83, 95% CI 1.06-3.19). DISCUSSION AND CONCLUSION: A substantial proportion of Thai IDU in our sample reported recent public drug injection. This behaviour was independently associated with a wide range of individual and contextual factors that pose significant health and safety risks to the IDU. These findings highlight the importance of addressing the broader social and physical risk environment surrounding IDU as a means of preventing negative health outcomes among this population.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».