Eligibility for heroin-assisted treatment (HAT) among people who inject opioids and are living with HIV in a Canadian setting
Notice bibliographique
Résumé
OBJECTIVES: A growing body of evidence supports the effectiveness of injectable diacetylmorphine (i.e., heroin) for individuals with treatment-refractory opioid use disorder. Despite this evidence, and the increasing toll of opioid-associated morbidity and mortality, it remains controversial in some settings. To investigate the possible contribution of heroin-assisted treatment (HAT) to HIV treatment-related outcomes, we sought to estimate the proportion and characteristics of HIV-positive people who inject opioids that might be eligible for HAT in Vancouver, Canada. METHODS: We used data from a prospective cohort of people living with HIV who use illicit drugs in Vancouver, Canada. Using generalized estimating equations (GEE), we assessed the longitudinal relationships between eligibility for HAT, using criteria from previous clinical trials and guidelines, with behavioural, social, and clinical characteristics. RESULTS: Between 2005 and 2014, 478 participants were included in these analyses, contributing 1927 person-years of observation. Of those, 94 (19.7%) met eligibility for HAT at least once during the study period. In a multivariable GEE model, after adjusting for clinical characteristics, being eligible for HAT was positively associated with homelessness, female gender, high-intensity illicit drug use, drug dealing and higher CD4 count. CONCLUSIONS: In our study of HIV-positive people with a history of injection drug use, approximately 20% of participants were eligible for HAT at ≥ 1 follow-up period. Eligibility was linked to risk factors for sub-optimal HIV/AIDS treatment outcomes, such as homelessness and involvement in the local illicit drug trade, suggesting that scaling-up access to HAT might contribute to achieving optimal HIV treatment 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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».