Rethinking Approaches to Risk Reduction for Injection Drug Users
Notice bibliographique
Résumé
OBJECTIVE: To identify and compare the drug-injecting network characteristics of cocaine and heroin injectors associated with a risk of HIV and hepatitis C virus (HCV). METHODS: Active injectors were recruited from syringe exchange and methadone programs. Characteristics of all participants and their social networks were elicited. Regression analysis using generalized estimating equations examined the network characteristics of injection drug users (IDUs) relative to cocaine or heroin use in the past 6 months. RESULTS: Of 282 IDUs, 228 (81%) used cocaine and 54 (19%) used heroin as their primary injected drug. In analyses adjusted for age and gender, cocaine injectors compared with heroin injectors were more likely to live in unstable housing (odds ratio [OR] = 3.55, 95% confidence interval [CI]: 1.49 to 8.40), self-report HCV infection (OR = 4.69, 95% CI: 2.14 to 10.31), and have a greater number of IDUs in their social network (OR = 1.61, 95% CI: 1.14 to 2.28) and were less likely to be polydrug users (OR = 0.06, 95% CI: 0.02 to 0.16) and to have social support (OR = 0.97, 95% CI: 0.95 to 0.99). The injecting networks of cocaine users were more likely to have members who were older (OR = 1.08, 95% CI: 1.04 to 1.12), had a history of shooting gallery use (OR = 2.27, 95% CI: 1.08 to 4.76), and had shorter relationships with the subject (OR = 0.91, 95% CI: 0.85 to 0.97). CONCLUSIONS: Beyond personal behaviors, HIV and HCV infection risk seems to be linked to social network traits that are determined by drug type. Prevention efforts to control the spread of bloodborne viruses among IDUs could benefit from tailoring interventions according to the type of drug used.
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 | 0,011 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».