Transmission Patterns of HIV and Hepatitis C Virus among Networks of People Who Inject Drugs
Notice bibliographique
Résumé
BACKGROUND: The risk-related behaviours and practices associated with injection drug use remain a driver of HIV and hepatitis C virus (HCV) transmission throughout the world. Here we evaluated HIV and HCV transmission patterns in the context of social networks of injection drug users (IDU) recruited from a higher incidence region in order to better understand factors that contribute to ongoing transmission among IDU. METHODS: IDU recruited through a chain-referral method provided biological specimens for analysis. HIV and HCV positive specimens were sequenced and analyzed using phylogenetic methods (Neighbour-joining and bayesian) and transmission patterns of HIV and HCV evaluated in the context of the recruitment networks. RESULTS: Among the 407 recruited IDU, HCV and HIV prevalence were 60.6% and 10.1%, respectively; 98% of HIV positive individuals were co-infected with HCV. Thirty-six percent of HCV sequences were associated with clusters, compared to 67% of HIV sequences. Four (16.7%) of the 24 HCV clusters contained membership separated by 2 or fewer recruitment cycles, compared to 10 (41.6%) derived from more than one recruitment component. Two (28.6%) of the 7 HIV clusters contained membership separated by 2 or fewer recruitment cycles while 6 (85.7%) were composed of inter component membership. CONCLUSIONS: Few HIV and HCV transmissions coincided with the recruitment networks, suggesting that they occurred in a different social context or a context not captured by the recruitment network. However, among the complete cohort, a higher degree of HIV clustering indicates many are recent infections originating from within current social networks, whereas a larger proportion of HCV infections may have occurred earlier in injecting history and in the context of a different social environment.
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 | 0,000 | 0,000 |
| 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 ».