Commentary on Vorobjov et al., "Comparison of injection drug users who obtain syringes from pharmacies and syringe exchange programs in Tallinn, Estonia"
Notice bibliographique
Résumé
Recent data suggest that globally, between 5% and 10% of all new HIV cases are the result of unsafe injecting practices, and experts agree that reducing these practices is key to tackling the spread of HIV. And yet, despite the overwhelming evidence that providing sterile syringes to injection drug users (IDU) through syringe exchange programs (SEPs) or other means is an effective way of reducing HIV transmission among high-risk subpopulations, IDU in most settings still do not have access to sterile injecting equipment or if they do, access remains too restricted to effectively reduce the risk of HIV transmission. Vorobjov and colleagues have presented in this journal an interesting and timely study from Estonia comparing individuals who obtain syringes from SEPs and those who obtain syringes from pharmacies. As the authors point out, Estonia faces an unacceptably high HIV incidence rate of 50 new HIV cases per 100,000, this rate driven primarily by injection drug use. As such, the authors argue that Estonia's SEP network does not have the capacity to serve a growing IDU population at risk of transmitting HIV and pharmacy dispensation of clean syringes may be one potential approach to decreasing syringe sharing among high-risk injectors. It may be overly optimistic to consider the impact of higher threshold interventions such as pharmacy-based SEPs, given that IDU populations that engage in HIV risk behaviours such as syringe sharing are often hidden or hard to reach. Despite the need for a cautious approach, however, the findings presented by Vorobjov et al. may chart one potential course towards a more comprehensive societal response to reducing the health harms associated with injection drug use.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».