Condom use among injection drug users accessing a supervised injecting facility
Notice bibliographique
Résumé
OBJECTIVES: Although supervised injecting facility (SIF) use has been associated with reductions in injection-related risk behaviours, the impact of SIFs on the sexual behaviour of injection drug users (IDUs) has not been thoroughly investigated. Therefore, we examined the patterns and predictors of condom use among SIF users in Vancouver, Canada. METHODS: We performed a longitudinal analysis of the factors associated with consistent condom use among IDUs recruited from within a SIF. RESULTS: Among 1090 individuals, 650 (59.6%) reported a sexual partner in the past 6 months at baseline. Consistent condom use was reported by 108 (25.3%) and 205 (61.6%) individuals reporting regular or casual partners, respectively. After 2 years of observation, these proportions increased to 32.9% and 69.8%, respectively. In multivariate analysis, predictors of consistent condom use with regular partners included HIV positivity (adjusted odds ratio (AOR) 2.23; 95% CI 1.51 to 3.31), injecting with a sex partner (AOR 0.50; 95% CI 0.37 to 0.68), enrollment in addiction treatment (AOR 0.68, 95% CI 0.52 to 0.89) and time since recruitment (AOR 1.29; 95% CI 1.06 to 1.55 per year). Predictors of consistent condom use with casual partners included HIV positivity (AOR 1.70; 95% CI 1.03 to 2.81), syringe borrowing (AOR 0.54; 95% CI 0.32 to 0.91) and syringe lending (AOR 0.52; 95% CI 0.32 to 0.84). CONCLUSIONS: Our results demonstrate that among SIF users, consistent condom use was more frequent among casual sex partners and among HIV positive individuals. Importantly, while the prevalence of consistent condom use was low at baseline, it increased over time. Our findings suggest a possible beneficial effect of the SIF on safer sexual practices.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| 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 ».