Safe Injection Self-Efficacy is associated with HCV and HIV seropositivity among people who inject drugs in the San Diego-Tijuana border region
Notice bibliographique
Résumé
Background: Safe injection self-efficacy (SISE) is negatively associated with injection risk behaviors among people who inject drugs (PWID) but has not been examined in differing risk environments. We compared responses to a validated SISE scale between PWID in San Diego, California and Tijuana, Mexico, and examine correlates of SISE among PWID in Tijuana. Methods: PWID were recruited via street outreach for a longitudinal cohort study from October 2020 - September 2021. We compared SISE scale items by city. Due to low variability in SISE scores among San Diego residents, we restricted analysis of factors associated with SISE to Tijuana residents and identified correlates of SISE scores (low, medium, high) using ordinal logistic regression. Results: Of 474 participants, most were male (74%), Latinx (78%) and Tijuana residents (73%). Mean age was 44. Mean SISE scores among San Diego residents were high (3.46 of 4 maximum) relative to Tijuana residents (mean: 1.93). Among Tijuana residents, White race and having previously resided in San Diego were associated with higher SISE scores. HCV and HIV seropositivity, homelessness, fentanyl use, polysubstance co-injection, and greater injection frequency were associated with lower SISE scores. Conclusions: We found profound inequalities between Tijuana and San Diego SISE, likely attributable to differential risk environments. Associations with fentanyl and polysubstance co-injection, injection frequency, and both HIV and HCV seropositivity suggest that SISE contribute to blood-borne infection transmission risks in Tijuana. SISE reflects an actionable intervention target to reduce injection risk behaviors, but structural interventions are required to intervene upon the risk environment.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».