MétaCan
Menu
Retour à la cohorte
Enregistrement W2105802918 · doi:10.1186/1477-7517-11-9

Estimating the number of injection drug users in greater Victoria, Canada using capture-recapture methods

2014· article· en· W2105802918 sur OpenAlexafffundabout
Yuan Xu, Murray Fyfe, Liz Walker, Laura Cowen

Notice bibliographique

RevueHarm Reduction Journal · 2014
Typearticle
Langueen
DomaineMathematics
ThématiqueCensus and Population Estimation
Établissements canadiensIsland HealthUniversity of Victoria
Organismes subventionnairesPublic Health AgencyPublic Health Agency of CanadaUniversity of Victoria
Mots-clésMark and recapturePopulation sizeEstimationPopulationPoint estimationStatisticsDemographyCensusPublic healthConfidence intervalGeographyMedicineMathematicsSociologyEngineering

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Population size estimation is critical for planning public health programmes for injection drug users. Estimation is difficult, as these populations are considered 'hidden' or 'hard to reach'. The currently accepted population size estimate for greater Victoria, Canada is between 1,500 and 2,000 individuals, which is dated prior to the year 2000, and is likely an underestimate. METHODS: We used three mark-recapture methods (the Lincoln-Petersen estimator, Huggins' model, and Pledger's model) to estimate population size using cross-sectional survey data collected in 2003 and 2005. Data come from a closed population with two time-ordered samples from the same source. We compare our estimates with the currently accepted estimate that is based on the registry of a Victoria needle exchange. RESULTS: All methods provided population size estimates that were higher than the currently accepted estimate. Huggins' method produced wider confidence intervals. Point estimates of population size from the three methods ranged from 3,329 to 3,342. CONCLUSIONS: Our estimates will aid health authorities in planning for harm reduction programmes. Repeating the methods as further phases of I-Track data become available will ensure that the population estimates remain up to date.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,168

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,358
Écart entre enseignants0,315 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHarm Reduction JournalMême sujetCensus and Population EstimationTravaux en français237 207