MétaCan
Menu
Retour à la cohorte
Enregistrement W2988297670 · doi:10.2105/ajph.2019.305379

Prevalence of Injecting Drug Use and Coverage of Interventions to Prevent HIV and Hepatitis C Virus Infection Among People Who Inject Drugs in Canada

2019· article· en· W2988297670 sur OpenAlexaboutno aff
Brendan Jacka, Sarah Larney, Louisa Degenhardt, Naveed Z. Janjua, Stine Bordier Høj, Mel Krajden, Jason Grebely, Julie Bruneau

Notice bibliographique

RevueAmerican Journal of Public Health · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Drug Abuse
Mots-clésMedicineHuman immunodeficiency virus (HIV)DrugInjection drug usePsychological interventionEnvironmental healthVirologyHepatitis C virusHepatitis CVirusDrug injectionPsychiatry

Résumé

récupéré en direct d'OpenAlex

Objectives. To determine the number of people who inject drugs (PWID) in Canada and the annual coverage of opioid agonist treatment (OAT) and needle-and-syringe provision for PWID. Methods. We estimated the number of PWID in 11 of 13 Canadian provinces and territories in 2011 by using indirect multiplier methods based on provincial and territorial methadone recipient totals and proportion of surveyed PWID receiving methadone. We modeled annual increases for 2011 to 2016 on Quebec and British Columbia longitudinal data. We calculated needle-and-syringe coverage (World Health Organization [WHO] recommendation: ≥ 200 per PWID) and OAT coverage (WHO recommendation: ≥ 40 per 100 PWID) per province and territory annually. Results. An estimated 130 000 individuals in Canada (0.55%) injected drugs in 2011, increasing to 171 900 individuals (0.70%) in 2016. Needle-and-syringe coverage increased from 193 to 291 per PWID, and OAT coverage increased from 55 to 66 per 100 PWID over the study period. Conclusions. While the number of PWID increased between 2011 and 2016, OAT coverage remained high, and needle-and-syringe coverage generally improved over time. Public Health Implications. These data will inform public health surveillance, service planning, and resource allocation, and assist monitoring of treatment and harm-reduction coverage outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,071
Score d'incertitude au seuil0,474

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,324
Écart entre enseignants0,298 · 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 tête enseignante, pas un consensus.

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

Citations75
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Public HealthMême sujetHIV, Drug Use, Sexual RiskTravaux en français237 207