HIV and HCV Prevalence and Gender-Specific Risk Profiles of Crack Cocaine Smokers and Dual Users of Injection Drugs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The present analysis compares HIV and HCV prevalence and associated gender-specific risk patterns of dual users (i.e., crack smokers who inject drugs) and never injectors. Two logistic models, one restricted to female and the other to male crack smokers, were constructed to identify gender-specific risk factors associated with dual use (p < 0.05). Of 437 crack smokers, 246 (56%) were dual users while 191 (44%) were never injectors. In a fitted logistic regression model, dual use among female crack smokers was associated with HCV infection (adjusted OR = 4.65, 95% CI: 1.92-9.70), exchanging sex for money, drugs, or shelter while using crack (aOR = 4.47, 95% CI: 1.56-12.80), having a casual partner who injects (aOR = 4.13, 95% CI: 1.05-16.26), having equipment broken or confiscated by police without being arrested (aOR = 3.66, 95% CI: 1.43-9.34), and HIV infection (aOR = 2.07, 95% CI: 1.18-5.96). Among male crack smokers, dual use was associated with HCV infection (aOR = 5.34, 95% CI: 2.10-13.18), exchanging sex for money, drugs, or shelter (aOR = 3.25, 95% CI: 1.59-6.65), crack use history >or= 5 years (aOR = 2.16, 95% CI: 1.29-3.63), and smoking in a group of unknown people (such as crack houses, alleys; aOR = 1.70, 95% CI: 1.10-2.81). These findings highlight the need for evidence-based prevention and harm reduction initiatives that directly targeting crack cocaine smokers, with particular attention given to female dual users of injection drugs.
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.
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 | 0,001 |
| 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 découle