Injection drug use and food insecurity among HIV-hepatitis C virus co-infected individuals: associations, mechanisms, and interventions
Notice bibliographique
Résumé
Background: In Canada, 20% of individuals living with HIV are estimated to be co-infected with hepatitis C virus (HCV). In addition to the high prevalence of injection drug use (IDU), the characteristics of individuals living with HIV-HCV co-infection reflect socioeconomic and sociodemographic vulnerability. Central to the concept of food insecurity (FI), a social determinant of health, is the focus on uncertain or inadequate food access due to limited financial resources. The existing evidence has documented high prevalences of FI, particularly severe FI, among individuals living with HIV. Furthermore, FI is associated with lower CD4 cell counts, incomplete HIV viral load suppression, and sub-optimal HIV treatment adherence. These consequences of FI motivate studies that focus on identifying modifiable risk factors for FI with the goal of informing interventions to reduce FI. However, given the differences between those living with HIV mono-infection and HIV-HCV co-infection and the context-specific nature of FI risk factors, the generalizability of findings from HIV-related studies that do not consider HCV co-infection is unclear. Therefore, novel research is needed to further our understanding of the relationship between IDU, a highly prevalent behaviour in this vulnerable subset of the HIV-positive population, and FI. Objectives: The overall aim of this doctoral thesis was to examine associations, mechanisms, and interventions related to IDU and FI, particularly severe FI, in a population of HIV-HCV co-infected individuals in Canada. Specifically, this dissertation addressed the following objectives using longitudinal cohort data from individuals living with HIV-HCV co-infection: 1. To examine the relationship between IDU and FI. 2. To examine whether unemployment is a mediator in the mechanism linking IDU and severe FI. 3. To examine whether a substance use intervention, methadone maintenance treatment, is associated with a lower risk of severe FI.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,004 | 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 ».