Hepatitis C among vulnerable populations: A seroprevalence study of homeless, people who inject drugs and prisoners in London
Notice bibliographique
Résumé
Injecting drugs substantially increases the risk of hepatitis C virus (HCV) infection and is common in the homeless and prisoners. Capturing accurate data on disease prevalence within these groups is challenging but is essential to inform strategies to reduce HCV transmission. The aim of this study was to estimate the prevalence of HCV in these populations. We conducted a cross-sectional study between May 2011 and June 2013 in London and, using convenience sampling, recruited participants from hostels for the homeless, drug treatment services and a prison. A questionnaire was administered and blood samples were tested for hepatitis C. We recruited 491 individuals who were homeless (40.7%), 205 drug users (17%) and 511 prisoners (42.3%). Eight per cent of patients (98/1207, 95% CI: 6.7%-9.8%) had active HCV infection and 3% (38/1207, 95% CI: 2.3%-4.3%) past HCV infection. Overall, one quarter (51/205) of people recruited in drug treatment services, 13% (65/491) of people from homeless residential sites and 4% (20/511) prisoners in this study were anti-HCV positive. Seventy-seven of the 136 (56.6%, 95% CI: 47.9%-65%) of HCV infected participants identified had a history of all three risk factors (homelessness, imprisonment and drug use), 27.3% (95% CI: 20.1%-35.6%) had 2 overlapping risk factors, and 15.4% (95% CI: 10.6%-23.7%) one risk factor. Drug treatment services, prisons and homelessness services provide good opportunities for identifying hepatitis C-infected individuals. Effective models need to be developed to ensure case identification in these settings that can lead to an effective treatment and an efficient HCV prevention.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».