HIV and HCV Prevalence and Gender-Specific Risk Profiles of Crack Cocaine Smokers and Dual Users of Injection Drugs
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 ».