Healthcare avoidance by people who inject drugs in Bangkok, Thailand
Notice bibliographique
Résumé
BACKGROUND: Although people who inject drugs (IDU) often contend with various health-related harms, timely access to health care among this population remains low. We sought to identify specific individual, social and structural factors constraining healthcare access among IDU in Bangkok, Thailand. METHODS: Data were derived from a community-recruited sample of IDU participating in the Mitsampan Community Research Project between July and October 2011. We assessed the prevalence and correlates of healthcare avoidance due to one's drug use using multivariate logistic regression. RESULTS: Among 437 participants, 112 (25.6%) reported avoiding health care because they were IDU. In multivariate analyses, factors independently associated with avoiding health care included having ever been drug tested by police [adjusted odds ratio (AOR) = 1.80], experienced verbal abuse (AOR = 3.15), been discouraged from engaging in usual family activities (AOR = 3.27), been refused medical care (AOR = 10.90), experienced any barriers to health care (AOR = 4.87) and received healthcare information and support at a drop-in centre (AOR = 1.92) (all P < 0.05). CONCLUSIONS: These findings highlight the need to address the broader policy environment, which perpetuates the criminalization and stigmatization of IDU, and to expand peer-based interventions to facilitate access to health care for IDU in this setting.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».