Policing Practices and Risk of HIV Infection Among People Who Inject Drugs
Notice bibliographique
Résumé
Drug-law enforcement constitutes a structural determinant of health among people who inject drugs (PWID). Street encounters between police and PWID (e.g., syringe confiscation, physical assault) have been associated with health harms, but these relationships have not been systematically assessed. We conducted a systematic literature review to evaluate the contribution of policing to risk of human immunodeficiency virus (HIV) infection among PWID. We screened MEDLINE, sociological databases, and gray literature for studies published from 1981 to November 2018 that included estimates of HIV infection/risk behaviors and street policing encounters. We extracted and summarized quantitative findings from all eligible studies. We screened 8,201 abstracts, reviewed 175 full-text articles, and included 27 eligible analyses from 9 countries (Canada, China, India, Malaysia, Mexico, Russia, Thailand, Ukraine, and the United States). Heterogeneity in variable and endpoint selection precluded meta-analyses. In 5 (19%) studies, HIV infection among PWID was significantly associated with syringe confiscation, reluctance to buy/carry syringes for fear of police, rushed injection due to a police presence, fear of arrest, being arrested for planted drugs, and physical abuse. Twenty-one (78%) studies identified policing practices to be associated with HIV risk behaviors related to injection drug use (e.g., syringe-sharing, using a "shooting gallery"). In 9 (33%) studies, policing was associated with PWID avoidance of harm reduction services, including syringe exchange, methadone maintenance, and safe consumption facilities. Evidence suggests that policing shapes HIV risk among PWID, but lower-income settings are underrepresented. Curbing injection-related HIV risk necessitates additional structural interventions. Methodological harmonization could facilitate knowledge generation on the role of police as a determinant of population health.
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 | 0,007 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».