High prevalence of childhood emotional, physical and sexual trauma among a Canadian cohort of HIV-seropositive illicit drug users
Notice bibliographique
Résumé
BACKGROUND: The psychosocial impacts of various types of childhood maltreatment on vulnerable illicit drug-using populations remain unclear. We examined the prevalence and correlates of antecedent emotional, physical and sexual abuse among a community-recruited cohort of adult HIV-seropositive illicit drug users. METHODS: We estimated the prevalence of childhood abuse at baseline using data from the Childhood Trauma Questionnaire, a 28-item validated instrument used to retrospectively assess childhood maltreatment. Logistic regression was used to estimate relationships between sub-types of childhood maltreatment with various social-demographic, drug-using and clinical characteristics. RESULTS: Overall, 233 HIV-positive injection drug users (IDU) were included in the analysis, including 83 (35.6%) women. Of these, moderate or severe emotional childhood abuse was reported by 51.9% of participants, emotional neglect by 36.9%, physical abuse by 51.1%, physical neglect by 46.8% and sexual abuse by 41.6%. In multivariate analyses, emotional, physical and sexual abuses were independently associated with greater odds of recent incarceration. Emotional abuse and neglect were independently associated with a score of ≥16 on the Centre for Epidemiologic Studies Depression Scale. There was no association between any form of childhood maltreatment and clinical HIV variables, including viral load, CD4+ count and history of antiretroviral therapy use. CONCLUSION: These findings underscore the negative impact of childhood maltreatment on social functioning and mental health in later life. Given the substantial prevalence of childhood maltreatment among this population, there is a need for evidence-based resources to address the deleterious effect it has on the health and social functioning of HIV-positive IDU.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| 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) | 0,002 | 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 ».