Global overview of injecting drug use and HIV infection among injecting drug users
Notice bibliographique
Résumé
OBJECTIVE: To provide global estimates of the prevalence of injecting drug use (IDU) and HIV prevalence among IDU, in particular to provide estimates for developing and transitional countries. METHODS: Collation and review of existing estimates of IDU prevalence and HIV prevalence from published and unpublished documents for the period 1998-2003. The strength of evidence for the information was assessed based on the source and type of study. RESULTS: Estimates of IDU prevalence were available for 130 countries. The number of IDU worldwide was estimated as approximately 13.2 million. Over ten million (78%) live in developing and transitional countries (Eastern Europe and Central Asia, 3.1 million; South and South-east Asia, 3.3 million; East-Asia and Pacific, 2.3 million). Estimates of HIV prevalence were available for 78 countries. HIV prevalence among IDU of over 20% was reported for at least one site in 25 countries and territories: Belarus, Estonia, Kazakhstan, Russia, Ukraine, Italy, Netherlands, Portugal, Serbia and Montenegro, Spain, Libya, India, Indonesia, Malaysia, Myanmar, Nepal, Thailand, Viet Nam, China, Argentina, Brazil, Uruguay, Puerto Rico, USA and Canada. CONCLUSIONS: These findings update previous assessments of the number of countries with IDU and HIV-infected IDU, and the previous quantitative global estimates of the prevalence of IDU. However, gaps remain in the information and the strength of the evidence often was weak.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».