Polydrug Use and Heterogeneity in HIV Risk Among People Who Inject Drugs in Estonia and Russia: A Latent Class Analysis
Notice bibliographique
Résumé
Non-medical drug injection is a major risk factor for HIV infection in Russia and Estonia. Multiple drug use (polydrug) has further been associated with increased harms. We compared HIV, injecting and sexual risk associated with polydrug use among people who injected drugs (PWID) in 2012-2013 in Kohtla-Järve (Estonia, n = 591) and St Petersburg (Russia, n = 811). Using latent class analysis, we identified five (poly)drug classes, the largest consisting of single-drug injectors among whom an opioid was the sole drug injected (56% of PWID). The four remaining polydrug classes included polydrug-polyroute injectors who injected and used opiates and stimulants (9%), opiate-stimulant poly-injectors who injected amphetamine-type-stimulants with a primary opiate (7%) and opiate-opioid poly-injectors who injected opioids and opiates (16%). Non-injection stimulant co-users were injectors who also used non-injection stimulants (12%). In multivariable multinomial regressions, all four polydrug classes were associated with greater injection risks than single-drug injection, while opiate-stimulant and opiate-opioid poly-injection were also associated with having multiple sex partners. Riskier behaviours among polydrug-injectors suggest increased potential for transmission of blood-borne and sexually-transmitted infections. In addition to needles/syringes provision, services tailored to PWID drug and risk profiles, could consider drug-appropriate treatment and sexual risk reduction strategies to curb HIV transmission.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».