Seroepidemiology of Hepatitis C Among Drug Users at a Detoxification Center in Southeast China
Notice bibliographique
Résumé
Background: Hepatitis C virus (HCV) infection is prevalent worldwide, especially among drug users. The epidemiology of HCV is rarely reported among drug users in developing countries, including China. Objectives: We aimed to describe the seroepidemiology of HCV infection in drug users at a Detoxification Center in Southeast China. Methods: With approval from the Shantou Center for Disease Control, the archived data of drug users (n = 5,228) at the largest monitored-detoxification center in Shantou during 2011 - 2017 were analyzed for demographics, risk behaviors, and HCV serology. Results: Among HCV-tested drug users, 36.9% (1930/5228) were people who inject drugs (PWID). The mean annual HCV seroprevalence rate over the seven-year study period was 36.3% for all drug users, including 67.3% and 16.6% for PWID and non-PWID, respectively, with the highest prevalence (78.1%) in 2017 and the lowest prevalence (58.6%) in 2015 for PWID. Independent risk factors of HCV infection identified by multiple logistic regression analysis were engaging in unprotected sex (OR = 1.553, 95% CI = 1.078 - 2.236), injecting drugs (10.28, 8.98 - 11.763), and sharing needles/syringes (2.24, 1.129 - 4.445) for all drug users and sharing needles/syringes (2.062, 1.438 - 2.957) for PWID. Conclusions: This study reports the seroepidemiology of drug users in the monitored Detoxification Center in Southeast China. A relatively high HCV positivity rate, especially among PWID, their high-risk behaviors and low education, and lack of institutional interventions of HCV monitoring and transmission call for government-sponsored educational programs to raise drug users’ awareness of the risk of HCV infection and other co-infections and monitoring of the infectious status and treatment of HCV-infected drug users.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».