Sex differences in houselessness, injection drug use, and mental health conditions among people newly diagnosed with HIV in Manitoba, Canada from 2018 to 2021: a retrospective cohort study
Notice bibliographique
Résumé
Background: Manitoba saw the highest number of new HIV diagnoses in the province's history in 2021 and is the only Canadian province not meeting any of the previous UNAIDS 90-90-90 targets. Our goal was to describe sex differences and syndemic conditions within an incident HIV cohort in Manitoba, and the HIV treatment initiation and undetectable viral load outcomes. Methods: : CD4 counts, viral load, HIV treatment, hospitalizations, and number of visits to HIV care. Main exposures evaluated: methamphetamine use, injection drug use, houselessness, and mental health conditions. Outcomes: started antiretroviral treatment and achieved an undetectable viral load. A descriptive statistical analysis was used. Findings: There were 404 new HIV diagnoses in Manitoba from 2018 to 2021; 44.8% were female, 55.2% male; 76.% self-identified as Indigenous, 13.4% white/European, 4.7% African/black; 86.6% cis-gender; 60.9% heterosexual, 13.4% gay, bisexual and men who have sex with men, and 1.7% lesbian. Injection drug use was reported by 71.8% and 43.5% of females and males respectively. Methamphetamine was the most frequently injected drug (62.4%). Amongst females, 81.8% experienced at least one of the following: houselessness (43.1%), mental health comorbidities (46.4%), and injection drug use (71.8%). Only 64.9% of all individuals had an undetectable viral load (61.1% females and 67.9% males), 56.5% among people experiencing houselessness, 59% among young people (≤29 years), and 60.1% among people who inject drugs. Interpretation: People newly diagnosed with HIV in Manitoba are disproportionately experiencing houselessness, mental illness, and injection drug use (mostly methamphetamine). This pattern is more pronounced for female individuals. These findings highlight the need for syndemic and gender-specific approaches, simultaneously addressing social and health conditions, to treat HIV. Funding: This work was supported by the Canadian Institutes of Health Research, The Manitoba Medical Service Foundation, The James Farley Memorial Fund and the Canada Research Chairs Program.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».