MétaCan
Menu
Retour à la cohorte
Enregistrement W2945253389 · doi:10.34880/6rsn-bh35

Making Harm Reduction Work for Women: The Ukrainian Experience

2021· article· en· W2945253389 sur OpenAlexaboutno aff
Sophie Pinkham, Anna Shapoval

Notice bibliographique

RevueOpen Society Foundations · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Security, and Conflict
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUkrainianWork (physics)Harm reductionHarmPolitical scienceReduction (mathematics)MedicineLawEngineeringPublic health

Résumé

récupéré en direct d'OpenAlex

Ukraine‘s adult HIV prevalence is the highest of any country in Europe or Central Asia. According to the United Nations Development Programme, women now account for 48 percent of all HIV cases among adults in the country. Regional analysis suggests that this increase is largely attributable, either directly or indirectly, to injection drug use. UNAIDS estimates that 35 percent of women living with HIV in Eastern Europe and Central Asia acquired the virus through injection drug use, and a further 50 percent were infected through unsafe sex with partners who inject drugs. Ukrainian programs have made great strides in responding to the HIV epidemic among injection drug users by introducing syringe exchange programs, methadone and buprenorphine treatment, anti-AIDS treatment, and programs to prevent mother-to-child transmission of HIV. Yet, these programs have rarely succeeded in fully accounting for the needs of women drug users. In response to the existing gap in harm reduction services for women who use drugs, the Open Society International Harm Reduction Development Program, with the support of the Canadian International Development Agency, gave grants to six Ukrainian harm reduction organizations to implement gender-responsive services. Rather than developing new, separate programs for women, the grants were designed to build on the existing work of the organizations. This report documents the experiences of the six programs, and offers recommendations for developing an effective system of care for women who use drugs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0320,014
Communication savante0,0080,005
Science ouverte0,0020,015
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,184
Tête enseignante GPT0,434
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Society FoundationsMême sujetGender, Security, and ConflictTravaux en français237 207