MétaCan
Menu
Retour à la cohorte
Enregistrement W2143350750 · doi:10.15171/ijhpm.2015.73

Examining the potential role of a supervised injection facility in Saskatoon, Saskatchewan, to avert HIV among people who inject drugs

2015· article· en· W2143350750 sur OpenAlexaffabout
Ehsan Jozaghi, Asheka Jackson

Notice bibliographique

RevueInternational Journal of Health Policy and Management · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésDowntownHuman immunodeficiency virus (HIV)Injection drug useMedicineBusinessEnvironmental healthFamily medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Research predicting the public health and fiscal impact of Supervised Injection Facilities (SIFs), across different cities in Canada, has reported positive results on the reduction of HIV cases among People Who Inject Drugs (PWID). Most of the existing studies have focused on the outcomes of Insite, located in the Vancouver Downtown Eastside (DTES). Previous attention has not been afforded to other affected areas of Canada. The current study seeks to address this deficiency by assessing the cost-effectiveness of opening a SIF in Saskatoon, Saskatchewan. METHODS: We used two different mathematical models commonly used in the literature, including sensitivity analyses, to estimate the number of HIV infections averted due to the establishment of a SIF in the city of Saskatoon, Saskatchewan. RESULTS: Based on cumulative cost-effectiveness results, SIF establishment is cost-effective. The benefit to cost ratio was conservatively estimated to be 1.35 for the first two potential facilities. The study relied on 34% and 14% needle sharing rates for sensitivity analyses. The result for both sensitivity analyses and the base line estimates indicated positive prospects for the establishment of a SIF in Saskatoon. CONCLUSION: The opening of a SIF in Saskatoon, Saskatchewan is financially prudent in the reduction of tax payers' expenses and averting HIV infection rates among PWID.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,467
Score d'incertitude au seuil0,955

Scores Codex et Gemma par catégorie

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

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 Opus0,039
Tête enseignante GPT0,354
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Health Policy and ManagementMême sujetHIV, Drug Use, Sexual RiskTravaux en français237 207