Identification and characterization of latent classes based on drug use among men who have sex with men at risk of sexually transmitted infections in Amsterdam, the Netherlands
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Men who have sex with men (MSM) are at high risk for both drug use and sexually transmitted infections (STI). We aimed to (1) identify subgroups of drug use during sex among MSM in Amsterdam and after classifying participants and (2) compare sexual behaviour and STI across groups. DESIGN: Cross-sectional study. Latent class analysis was used to identify subgroups with similar drug use patterns, between which sexual behaviour and STI prevalence were compared. SETTING: Four different studies conducted at the STI out-patient clinic in Amsterdam, the Netherlands, between January 2014 and June 2016. PARTICIPANTS: A total of 1130 self-declared MSM, aged ≥ 18 years. MEASUREMENTS: Self-reported drug use, laboratory-confirmed STI, socio-demographics, sexual behaviour (including number of partners), condom use. FINDINGS: Median age was 40 years [interquartile range (IQR) = 32-47]. We identified five latent classes of users, which we labelled: 'no substance' (n = 162), 'alcohol' (n = 159), 'nitrites and erectile dysfunction drugs (EDD)' (n = 286), 'polydrug' (n = 257) and 'chems' (n = 266). Median number of sex partners significantly differed across classes (P < 0.001), ranging from two (IQR = 1-6) in the 'no substance' class to 20 (IQR = 10-45) in the 'chems' class. The proportion of MSM reporting condomless anal sex also differed across classes (P < 0.001), ranging from 45.6% in the 'no substance' class to 86.5% in the 'chems' class. Compared with the 'no substance' class, the odds of STI were 3.9-fold [95% confidence interval (CI) = 1.1-14.4] higher in the 'alcohol' class, 8.9-fold (95% CI = 2.7-29.2) higher in the 'nitrites and EDD' class, 12.8-fold (95% CI = 3.9-41.9) higher in the 'polydrug' class and 15.0-fold (95% CI = 4.6-48.8) higher in the 'chems' class. CONCLUSION: There are five distinct classes of drug use in a sexual context among men who have sex with men in Amsterdam, the Netherlands. Classes with higher levels of drug use appear to coincide with higher levels of sexual risk behaviour and sexually transmitted infections.
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) | 0,000 | 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 ».