Univariable associations between a history of incarceration and HIV and HCV prevalence among people who inject drugs across 17 countries in Europe 2006 to 2020 – is the precautionary principle applicable?
Notice bibliographique
Résumé
BackgroundPeople who inject drugs (PWID) are frequently incarcerated, which is associated with multiple negative health outcomes.AimWe aimed to estimate the associations between a history of incarceration and prevalence of HIV and HCV infection among PWID in Europe.MethodsAggregate data from PWID recruited in drug services (excluding prison services) or elsewhere in the community were reported by 17 of 30 countries (16 per virus) collaborating in a European drug monitoring system (2006-2020; n = 52,368 HIV+/-; n = 47,268 HCV+/-). Country-specific odds ratios (OR) and prevalence ratios (PR) were calculated from country totals of HIV and HCV antibody status and self-reported life-time incarceration history, and pooled using meta-analyses. Country-specific and overall population attributable risk (PAR) were estimated using pooled PR.ResultsUnivariable HIV OR ranged between 0.73 and 6.37 (median: 2.1; pooled OR: 1.92; 95% CI: 1.52-2.42). Pooled PR was 1.66 (95% CI 1.38-1.98), giving a PAR of 25.8% (95% CI 16.7-34.0). Univariable anti-HCV OR ranged between 1.06 and 5.04 (median: 2.70; pooled OR: 2.51; 95% CI: 2.17-2.91). Pooled PR was 1.42 (95% CI: 1.28-1.58) and PAR 16.7% (95% CI: 11.8-21.7). Subgroup analyses showed differences in the OR for HCV by geographical region, with lower estimates in southern Europe.ConclusionIn univariable analysis, a history of incarceration was associated with positive HIV and HCV serostatus among PWID in Europe. Applying the precautionary principle would suggest finding alternatives to incarceration of PWID and strengthening health and social services in prison and after release ('throughcare').
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».