Continuing HIV Transmission Among Injection Drug Users in Eastern Central Canada: The SurvUDI Study, 1995 to 2000
Notice bibliographique
Résumé
OBJECTIVE: To document HIV prevalence/incidence trends from 1995-2000 and associated risk factors among injection drug users (IDUs) in Eastern Central Canada as an indication of harm reduction strategy effectiveness. METHODS: Nonnominal cross-sectional data (one-time participants) and longitudinal data (repeat participants) were collected using convenience sampling. Participants provided informed consent for face-to-face interviews focused on injection drug use and sexual practices during the previous 6 months; oral fluid samples were taken for HIV testing by enzyme immunoassay. Unique encrypted codes for initially HIV-negative repeat participants permitted incidence rate calculations. RESULTS: In all, 6387 IDUs (median age, 31 years; range, 13-67; males, 73.5%) participated on 9724 occasions. HIV prevalence ranged from 4.7% (95% confidence interval [CI], 2.9-6.5) in semiurban areas to 20.1% (95% CI, 17.6-22.7) in Ottawa, Ontario. HIV incidence was 6.0 (95%CI, 4.5-7.6) per 100 person-years (py) in Montréal, Québec, 3.2 (95% CI, 2.2-4.2) per 100 py in Québec City and 7.0 (95% CI, 4.1-9.8) per 100 py in Ottawa/Hull. Reusing other IDUs' needles was reported by 38.4%. In multivariate logistic regression, IDUs injecting for 6 or more years were more likely to be HIV positive, particularly if cocaine was the predominant drug injected. Multivariate Cox regression revealed higher HIV incidence among those who predominantly injected cocaine, reused others' needles, had injected 6 years or more, injected with strangers, or were men reporting commercial sex work. CONCLUSIONS: These results reveal a volatile situation of continuing HIV transmission among IDUs in Eastern Central Canada.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».