MétaCan
Menu
Retour à la cohorte
Enregistrement W2152821820 · doi:10.1080/00952990802146308

Employment Among Users of a Medically Supervised Safer Injection Facility

2008· article· en· W2152821820 sur OpenAlexaffabout
Lindsey Richardson, Evan Wood, Ruth Zhang, Julio Montaner, Mark Tyndall, Thomas Kerr

Notice bibliographique

RevueThe American Journal of Drug and Alcohol Abuse · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensUniversity of British ColumbiaSt. Paul's Hospital
Organismes subventionnairesnon disponible
Mots-clésGeeMainstreamSAFERCohortGeneralized estimating equationMedicineMultivariate analysisMultivariate statisticsDemographyFamily medicineMedical educationStatisticsMathematicsSociologyInternal medicinePolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

A supervised injection facility (SIF), where individuals can inject drugs under medical supervision, opened in Vancouver in 2003. The scientific evaluation of the SIF has demonstrated positive public health-related outcomes. However, the influence of supervised injection facilities on individual efforts to reintegrate into mainstream society has not been studied. We examined for a possible relationship between use of the SIF and employment among a cohort of 1090 SIF users using generalized estimating equations (GEE). In a multivariate analysis of factors associated with employment, using the SIF for >or= 25% of injections (versus > 25% of injections) was not statistically significant (AOR = 1.05, 95% CI: 0.88-1.27). These findings suggest that the SIF is not having an adverse impact on efforts to seek employment.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,125
Score d'incertitude au seuil0,430

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,037
Tête enseignante GPT0,307
Écart entre enseignants0,270 · 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'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

Citations14
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe American Journal of Drug and Alcohol AbuseMême sujetHIV, Drug Use, Sexual RiskTravaux en français237 207