Modeling the impact of a supervised consumption site on HIV and HCV transmission among people who inject drugs in three counties in California, USA
Notice bibliographique
Résumé
BACKGROUND: Supervised consumption sites (SCS) have been shown to reduce receptive syringe sharing among people who inject drugs (PWID) in the United States and elsewhere, which can prevent HIV and hepatitis C virus (HCV) transmission. PWID are at risk of disease transmission and may benefit from SCS, however legislation has yet to support their implementation. This study aims to determine the potential impact of SCS implementation on HIV and HCV incidence among PWID in three California counties. METHODS: A dynamic HIV and HCV joint transmission model among PWID (sexual and injecting transmission of HIV, injecting transmission of HCV) was calibrated to epidemiological data for three counties: San Francisco, Los Angeles, and San Diego. The model incorporated HIV and HCV disease stages and HIV and HCV treatment. Based on United States data, we assumed access to SCS reduced receptive syringe sharing by a relative risk of 0.17 (95 % CI: 0.04-1.03). This model examined scaling-up SCS coverage from 0 % to 20 % of the PWID population within the respective counties and assessed its impact on HIV and HCV incidence rates after 10 years. RESULTS: By increasing SCS from 0 % to 20 % coverage among PWID, 21.8 % (95 % CI: -1.2-32.9 %) of new HIV infections and 28.3 % (95 % CI: -2.0-34.5 %) of new HCV infections among PWID in San Francisco County, 17.7 % (95 % CI: -1.0-30.8 %) of new HIV infections and 29.8 % (95 % CI: -2.1-36.1 %) of new HCV infections in Los Angeles County, and 32.1 % (95 % CI: -2.8-41.5 %) of new HIV infections and 24.3 % (95 % CI: -1.6-29.0 %) of new HCV infections in San Diego County could be prevented over ten years. CONCLUSION: Our models suggest that SCS is an important intervention to enable HCV elimination and could help end the HIV epidemic among PWID in California. It could also have additional benefits such facilitating pathways into drug treatment programs and preventing fatal overdose.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».