Trends in COVID-19 testing, infection, vaccination, and housing assistance among people who inject drugs in Los Angeles and Denver
Notice bibliographique
Résumé
Introduction We examined COVID-19 trends and the socio-structural correlates of infections and vaccinations among people who inject drugs (PWID).Methods We collected retrospective survey data from PWID (n = 472). We examined changes in COVID-19 testing, infection, and housing assistance for the first year of the pandemic, and then used multivariate logistic regression to examine factors with ever having an infection and receiving at least one vaccination from April 2020-March 2021.Results The sample was mostly male, White and Latinx, and unhoused. Testing by quarter ranged from 46% to 33%. Housing assistance declined from 10% to 7% by the last quarter, while infections ranged from 6% to 4%. Ever being COVID-19 positive was associated with being male, having an income source, and being arrested in the last 3 months. Almost half of participants reported vaccination (47%). Receiving a vaccination was associated with prior U.S. armed forces service, older age, receiving substance use disorder treatment, and having ever received COVID-19 testing.Discussion Efforts to vaccinate PWID fell short and housing assistance declined. Receiving targeted assistance, including better access to housing and medication treatments for opioid use disorder, could be important efforts to mitigate the heightened risks of COVID-19 and the ongoing harms PWID face that predate the pandemic.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».