Multilevel Predictors of Concurrent Opioid Use during Methadone Maintenance Treatment among Drug Users with HIV/AIDS
Notice bibliographique
Résumé
BACKGROUND: Ongoing drug use during methadone maintenance treatment (MMT) negatively affects outcomes of HIV/AIDS care and treatment for drug users. This study assessed changes in opioid use, and longitudinal predictors of continued opioid use during MMT among HIV-positive drug users in Vietnam, with the aim of identifying changes that might enhance program efficacy. METHODS: We analyze data of 370 HIV-positive drug users (mean age 29.5; 95.7% male) taking MMT at multi-sites. Opioid use was assessed at baseline, 3, 6, and 9 months using interviews and heroin confirmatory urine tests. A social ecological model was applied to explore multilevel predictors of continued opioid use, including individual, interpersonal, community and service influences. Generalized estimating equations (GEE) statistical models were constructed to adjust for intra-individual correlations. RESULTS: Over 9 month follow-up, self-reported opioid use and positive heroin urine test substantially decreased to 14.6% and 14.4%. MMT helped improve referrals and access to health care and social services. However, utilization of social integration services was small. GEE models determined that participants who were older (Adjusted Odd Ratio - AOR = 0.97 for 1 year increase), had economic dependents (AOR = 0.33), or were referred to TB treatment (AOR = 0.53) were less likely to continue opioid use. Significant positive predictors of ongoing opioid use included frequency of opioid use prior to MMT, peer pressure, living with sexual partners, taking antiretroviral treatment, other health concerns and TB treatment. CONCLUSION: These findings show that MMT in the Vietnamese context can dramatically reduce opioid use, which is known to be associated with reduced antiretroviral (ART) adherence. Disease stage and drug interactions between antiretrovirals or TB drugs and MMT could explain some of the observed predictors of ongoing drug use; these findings could inform changes in MMT program design and implementation.
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 ».