MétaCan
Menu
Retour à la cohorte
Enregistrement W2110695072 · doi:10.3109/10826081003767643

Harmful Microinjecting Practices Among a Cohort of Injection Drug Users in Vancouver Canada

2010· article· en· W2110695072 sur OpenAlexafffundabout
Beth Rachlis, Elisa Lloyd‐Smith, Will Small, Diane Tobin, Dave Stone, Kathy Li, Evan Wood, Thomas Kerr

Notice bibliographique

RevueSubstance Use & Misuse · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensAIDS Vancouver
Organismes subventionnairesNational Institute on Drug AbuseCanadian Institutes of Health Research
Mots-clésGeeMedicineCohortLogistic regressionGeneralized estimating equationEpidemiologyCohort studySyringeYoung adultDemographyInterquartile rangeEnvironmental healthNeedle sharingFamily medicineGerontologyInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: We sought to identify factors associated with harmful microinjecting practices in a longitudinal cohort of IDU. METHODS: Using data from the Vancouver Injection Drug Users Study (VIDUS) between January 2004 and December 2005, generalized estimating equations (GEE) logistic regression was performed to examine sociodemographic and behavioral factors associated with four harmful microinjecting practices (frequent rushed injecting, frequent syringe borrowing, frequently injecting with a used water capsule, frequently injecting alone). RESULTS: In total, 620 participants were included in the present analysis. Our study included 251 (40.5%) women and 203 (32.7%) self-identified Aboriginal participants. The median age was 31.9 (interquartile range: 23.4-39.3). GEE analyses found that each harmful microinjecting practice was associated with a unique profile of sociodemographic and behavioral factors. DISCUSSION: We observed high rates of harmful microinjecting practices among IDU. The present study describes the epidemiology of harmful microinjecting practices and points to the need for strategies that target higher risk individuals including the use of peer-driven programs and drug-specific approaches in an effort to promote safer injecting 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 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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,000
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,026
Tête enseignante GPT0,308
Écart entre enseignants0,283 · 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

Citations11
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSubstance Use & MisuseMême sujetHIV, Drug Use, Sexual RiskTravaux en français237 207