Correlates of unprotected sex by client type among female sex workers that inject drugs in Tijuana and Ciudad Juarez, Mexico
Notice bibliographique
Résumé
Lindsay, R., Roesch, S., Strathdee, S., Rangel, M., Staines-Orozco, H., Abramovitz, D., Ulibarri, M., & Rusch, M. (2015). Correlates of unprotected sex by client type among female sex workers that inject drugs in Tijuana and Ciudad Juarez, Mexico. The International Journal Of Alcohol And Drug Research, 4(2), 159-169. doi:http://dx.doi.org/10.7895/ijadr.v4i2.208Aims: Risk environment factors may influence unprotected sex between female sex workers who are also injection drug users(FSW-IDUs) and their regular and non-regular clients differently. Our objective is to identify correlates of unprotected vaginalsex in the context of client type.Methods: A cross-sectional survey of 583 FSW-IDUs in Tijuana and Ciudad Juarez, Mexico, was analyzed using negativebinomial regression to determine physical, social, economic, and policy risk-environment factors that affect the frequency ofunprotected sex with regular and non-regular clients.Results: Median number of unprotected vaginal sex acts in the past month among FSW-IDUs and their regular and non-regularclients was 11 (IQR 3–30) and 13 (IQR 5–30), respectively. Correlates differed by site and client type and were most closelyassociated with the risk environment. In Tijuana, social factors (e.g., injecting drugs with clients) were independently associatedwith more unprotected sex. Factors independently associated with less unprotected sex across client type and site included socialand economic risk environment factors (e.g., receiving more money for unprotected sex). In the policy risk environment, alwayshaving free access to condoms was independently associated with less unprotected sex among non-regular clients in Tijuana(Risk rate ratio = 0.64; 95% confidence interval 0.43–0.97).Conclusions: Primarily physical, social, and economic risk-environment factors were associated with unprotected vaginal sexbetween FSW-IDUs and both client types, suggesting potential avenues for intervention.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».