Risk factors for developing a cutaneous injection-related infection among injection drug users: a cohort study
Notice bibliographique
Résumé
BACKGROUND: Cutaneous injection-related infections (CIRI), such as abscesses and cellulitis, are common and preventable among injection drug users (IDU). However, risk factors for CIRI have not been well described in the literature. We sought to characterize the risk factors for current CIRI among individuals who use North America's first supervised injection facility (SIF). METHODS: A longitudinal analysis of factors associated with developing a CIRI among participants enrolled in the Scientific Evaluation of Supervised Injecting (SEOSI) cohort between January 1, 2004 and December 31, 2005 was conducted using generalized linear mixed-effects modelling. RESULTS: In total, 1065 participants were eligible for this study. The proportion of participants with a CIRI remained under 10% during the study period. In a multivariate generalized linear mixed-effects model, female sex (Adjusted Odds Ratio (AOR) = 1.68 [95% Confidence Interval (CI): 1.16-2.43]), unstable housing (AOR = 1.49 [95% CI: 1.10-2.03]), borrowing a used syringe (AOR = 1.60 [95% CI: 1.03-2.48]), requiring help injecting (AOR = 1.42 [95% CI: 1.03-1.94]), and injecting cocaine daily (AOR = 1.41 [95% CI: 1.02-1.95]) were associated with an increased risk of having a CIRI. CONCLUSION: CIRI were common among a subset of IDU in this study, including females, those injecting cocaine daily, living in unstable housing, requiring help injecting or borrowing syringes. In order to reduce the burden of morbidity associated with CIRI, targeted interventions that address a range of factors, including social and environmental conditions, are needed.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».