Factors associated with employment among a cohort of injection drug users
Notice bibliographique
Résumé
INTRODUCTION AND AIMS: One of the most substantial costs of drug use is lost productivity and social functioning, including holding of a regular job. However, little is known about employment patterns of injection drug users (IDU). We sought to identify factors that were associated with legal employment among IDU. DESIGN AND METHODS: We describe the employment patterns of participants of a longitudinal cohort study of IDU in Vancouver, Canada. We then use generalised estimating equations (GEE) to determine statistical associations between legal employment and various intrinsic, acquired, behavioural and circumstantial factors. RESULTS: From 1 June 1999 to 30 November 2003, 330 (27.7%) of 1190 participants reported having a job at some point during follow up. Employment rates remain somewhat stable throughout the study period (9-12.4%). Factors positively and significantly associated with legal employment in multivariate analysis were male gender (adjusted odds ratio [AOR] = 2.78) and living outside the Downtown Eastside (AOR = 1.85). Factors negatively and significantly associated with legal employment included older age (AOR = 0.97); Aboriginal ethnicity (AOR = 0.72); HIV-positive serostatus (AOR = 0.32); HCV-positive serostatus (AOR = 0.46); daily heroin injection (AOR = 0.73); daily crack use (AOR = 0.77); public injecting (AOR = 0.50); sex trade involvement (AOR = 0.49); recent incarceration (AOR = 0.56); and unstable housing (AOR = 0.57). DISCUSSION AND CONCLUSIONS: Our results suggest a stabilising effect of employment for IDU and socio-demographic, drug use and risk-related barriers to employment. There is a strong case to address these barriers and to develop innovative employment programming for high-risk drug users.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».