Prevalence and correlates of jugular injections among injection drug users
Notice bibliographique
Résumé
BACKGROUND: Jugular injection of drugs has been reported, although little is known about the prevalence of and risk factors associated with this behaviour. We evaluated factors associated with jugular injection among a cohort of injection drug users (IDU) in Vancouver, Canada. METHODS: We used univariate statistics and logistic regression to examine factors associated with jugular injection among participants in the Vancouver Injecting Drug Users Study (VIDUS), a large prospective cohort study of IDU recruited through snowball sampling methods in Vancouver, Canada. FINDINGS: Between December 2004 and November 2005, 780 IDU were followed up as part of VIDUS and 198 (25%) reported jugular injection in the previous 6 months. In multivariate analyses, factors associated independently with jugular injection included: being of the female gender [adjusted odds ratio (aOR) = 1.72, 95% confidence interval (CI): 1.14-2.59; p = 0.010], daily heroin use (aOR = 2.89, 95% CI: 1.93-4.34; p < 0.001), daily cocaine use (aOR = 1.76, 95% CI: 1.12-2.76; p = 0.014], requiring help injecting (aOR = 4.44, 95% CI: 2.64-7.46; p < 0.001), and involvement in the sex-trade (aOR = 2.71, 95% CI: 1.6-4.55; p < 0.001). INTERPRETATION: Reporting a history of jugular injecting was alarmingly high in the cohort and was associated with several identifiable demographic and drug-using characteristics. Given previous reports demonstrating the risk of infection and vascular trauma due to this behaviour, these populations should be considered seriously as a target for safer injecting education.
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) | 0,000 | 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 ».