Multiple viral hepatitis in injection drug users and associated risk factors
Notice bibliographique
Résumé
BACKGROUND: While infections due to hepatitis B virus (HBV) and hepatitis C virus (HCV) have been well-studied in injection drug users (IDUs), hepatitis A virus (HAV) infection and coinfection with multiple hepatitis viruses have received less attention. METHODS: Hepatitis serology as well as sociodemographic and drug-related parameters were explored in patients (n = 1512) admitted for opiate detoxification. RESULTS: Antibodies to HAV were positive in 57.7%, to HBV in 53.0%, and to HCV in 75.0% of the sample. Lack of any hepatic marker was reported in 11.2%; one marker was positive in 24.7%; two markers were positive in 31.2%; and all markers were positive in 32.9%. In patients with one positive marker, 58.8% had had exposure to HCV, and 27% had exposure to HAV. In patients with two positive markers, 46.7% were HAV/HCV and 41.8% HBV/HCV antibody positive. Presence of HBV and HCV antibodies was associated with older age, longer duration of (i.v.) heroin use, and a higher number of rehabilitation treatment episodes (anova), current coconsumption of cocaine was associated with presence of antibodies to either HAV, HBV, and HCV. CONCLUSIONS: Coinfection with hepatic viruses is highly relevant in IDUs, although HAV does not necessarily share the same risk factors relevant for HBV or HCV transmission. The need for outreach vaccination programs is emphasized for HAV and HBV in the target population. Primary prevention should be implemented before initiation or at early stages of a drug career. Epidemiology and transmission of HAV in IDUs requires further research.
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 ».