Polydrug Use and HIV Risk Among People Who Inject Heroin in Tijuana, Mexico: A Latent Class Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Although most people who inject drugs (PWID) in Tijuana, Mexico, primarily inject heroin, injection and non-injection use of methamphetamine and cocaine is common. We examined patterns of polydrug use among heroin injectors to inform prevention and treatment of drug use and its health and social consequences. METHODS: Participants were PWID residing in Tijuana, aged ≥18 years who reported heroin injection in the past six months and were recruited through respondent-driven sampling (n = 1,025). Latent class analysis was conducted to assign individuals to classes on a probabilistic basis, using four indicators of past six-month polydrug and polyroute use: cocaine injecting, cocaine smoking or snorting, methamphetamine injecting, and methamphetamine smoking or snorting. Latent class membership was regressed onto covariates in a multinomial logistic regression. RESULTS: Latent class analyses testing 1, 2, 3, and 4 classes were fit, with the 3-class solution fitting best. Class 1 was defined by predominantly heroin use (50.2%, n = 515); class 2 by methamphetamine and heroin use (43.7%, n = 448), and class 3 by methamphetamine, cocaine, and heroin use (6.0%, n = 62). Bivariate and multivariate analyses indicated a group of methamphetamine and cocaine users that exhibited higher-risk sexual practices and lower heroin injecting frequency, and a group of methamphetamine users who were younger and more likely to be female. CONCLUSIONS: Discrete subtypes of heroin PWID were identified based on methamphetamine and cocaine use patterns. These findings have identified subtypes of heroin injectors who require more tailored interventions to reduce the health and social harms of injecting 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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle