MétaCan
Menu
Retour à la cohorte
Enregistrement W3193172854 · doi:10.1136/bmjopen-2020-046957

Involvement of people who inject drugs in injection initiation events: a cross-sectional analysis identifying similarities and differences across three North American settings

2021· article· en· W3193172854 sur OpenAlexafffundabout
Charles Marks, Stephanie A. Meyers‐Pantele, Sonia Jain, Xiaoying Sun, Kanna Hayashi, Patricia González‐Zúñiga, Steffanie A. Strathdee, Richard S. Garfein, M‐J Milloy, Kora DeBeck, Kevin Cummins, Dan Werb

Notice bibliographique

RevueBMJ Open · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensUniversity of British ColumbiaBritish Columbia Centre on Substance UseSimon Fraser University
Organismes subventionnairesCanadian Institutes of Health ResearchNational Institute on Drug AbuseOntario Ministry of Research, Innovation and Science
Mots-clésMedicineCross-sectional studyPoisson regressionDemographyCohortEnvironmental healthGerontologyInternal medicinePopulationPathology

Résumé

récupéré en direct d'OpenAlex

Objectives People who inject drugs (PWID) play an integral role in facilitating the entry of others into injection drug use (IDU). We sought to assess factors influencing PWID in providing IDU initiation assistance across three distinct North American settings and to generate pooled measures of risk. Design We employed data from three PWID cohort studies participating in PReventing Injecting by Modifying Existing Responses (PRIMER), for this cross-sectional analysis. Setting Tijuana, Mexico; San Diego, USA; Vancouver, Canada. Participants A total of 2944 participants were included in this study (Tijuana: n=766, San Diego: n=353, Vancouver: n=1825). Measurements The outcome was defined as recently (ie, past 6 months) assisting in an IDU initiation event. Independent variables of interest were identified from previous PRIMER analyses. Site-specific multiple modified Poisson regressions were fit. Pooled relative risks (pRR) were calculated and heterogeneity across sites was assessed via linear random effects models. Results Evidence across all three sites indicated that having a history of providing IDU initiation assistance (pRR: 4.83, 95% CI: 3.49 to 6.66) and recently being stopped by law enforcement (pRR: 1.49, 95% CI: 1.07 to 2.07) were associated with a higher risk of providing assistance with IDU initiation; while recent opioid agonist treatment (OAT) enrolment (pRR: 0.64, 95% CI: 0.43 to 0.96) and no recent IDU (pRR: 0.21, 95% CI: 0.07 to 0.64) were associated with a lower risk. We identified substantial differences across site in the association of age (I 2 : 52%), recent housing insecurity (I 2 : 39%) and recent non-injection heroin use (I 2 : 78%). Conclusion We identified common and site-specific factors related to PWID’s risk of assisting in IDU initiation events. Individuals reporting a history of assisting IDU initiations, being recently stopped by law enforcement, and recently injecting methamphetamine/speedball were more likely to have recently assisted an IDU initiation. Whereas those who reported not recently engaging in IDU and those recently enrolled in OAT were less likely to have done so. Interventions and harm reduction strategies aimed at reducing the harms of IDU should incorporate context-specific approaches to reduce the initiation of IDU.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,081
Score d'incertitude au seuil0,161

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,103
Tête enseignante GPT0,436
Écart entre enseignants0,333 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetHIV, Drug Use, Sexual RiskTravaux en français237 207