MétaCan
Menu
← Retour à la cohorte
Enregistrement W4405223420 · doi:10.1093/infdis/jiae599

Impact of Pandemic-Induced Service Disruptions and Behavioral Changes on Hepatitis C Virus and HIV Transmission Amongst People Who Inject Drugs: A Modeling Study

2024· article· en· W4405223420 sur OpenAlexaff
Jasmine Wang, Becky L. Genberg, Kenneth A. Feder, Gregory D. Kirk, Shruti H. Mehta, Kyra H. Grantz, Amy Wesolowski

Notice bibliographique

RevueThe Journal of Infectious Diseases · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensImpact
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesNational Institute on Drug AbuseBurroughs Wellcome FundNational Science Foundation
Mots-clésPandemicTransmission (telecommunications)OutbreakEnvironmental healthMedicineHepatitis C virusVirologyDiseaseCoronavirus disease 2019 (COVID-19)VirusInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The coronavirus disease 2019 (COVID-19) pandemic may have disproportionally impacted vulnerable groups such as people who inject drugs (PWID) through reduced health care services as well as social changes from pandemic mitigation measures. Understanding how the COVID-19 pandemic and associated mitigation strategies subsequently changed the trajectory of hepatitis C virus (HCV) and human immunodeficiency virus (HIV) transmission is critical to estimating disease burdens, identifying outbreak risk, and developing informed intervention strategies. METHODS: Using behavioral data from the AIDS Linked to the IntraVenous Experience (ALIVE) study, an ongoing community-based cohort of PWID in Baltimore, United States, and an individual-based network model, we explored the impacts of service disruptions combined with changes in social networks and injecting behaviors of PWID on HCV and HIV transmission. RESULTS: Analyses of ALIVE data showed that during the pandemic, there was an acceleration in injection cessation trajectories overall, but those who continued injecting increased the frequency of injection; at the same time, individual drug-use networks became smaller and the probability of injecting with others decreased. Simulation results demonstrated that HCV and HIV prevalence increased from service disruptions alone, but these effects were mitigated when including observed behavior changes in addition. CONCLUSIONS: Model results combined with rich individual behavioral data indicated that pandemic-induced behavioral changes of PWID that lasted longer than service disruptions could have offset the increasing disease burden caused by disrupted service access during 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,177

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,374
Écart entre enseignants0,332 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Infectious Diseases→Même sujetHIV, Drug Use, Sexual Risk→Travaux en français237 207→