Methamphetamine use and associated factors among people who inject drugs in Iran 2020
Notice bibliographique
Résumé
BACKGROUND: Methamphetamine use is a pressing public health concern among people who inject drugs (PWID) worldwide. This study aimed to estimate the prevalence of methamphetamine use and its correlates in a nationwide survey among PWID in Iran in 2020. METHODS: We recruited 2,684 PWID in 11 major cities from July 2019 to March 2020 using respondent-driven sampling (RDS). Participants were eligible if they were ≥ 18 years old, self-reported drug injection in the last 12 months, resided in the city of the study, and provided a valid RDS coupon. Behavioral data was collected using a standard questionnaire via face-to-face interviews. 2,259 PWID (84.2%) with valid responses to the primary outcome (i.e., methamphetamine use (either injecting or non-injection use) in the last three months) were included in the analysis. We used RDS-Gile's SS weighted analysis for descriptive statistics and a survey package (svy) using linearized variance estimations and stratification by cities for bivariable and multivariable logistic regression analyses. RESULTS: The last 3-month prevalence of methamphetamine use among PWID was 47.0% (95% CI: 44.9, 49.1). The following factors were significantly associated with methamphetamine use in the last three months: history of homelessness in the last 12 months (aOR = 1.57; 1.77, 2.10), drug use onset before the age 18 (aOR = 1.40; 1.05, 1.87), injecting drug for more than ten years (aOR = 1.47; 1.11, 1.95), using non-injection (aOR = 7.18; 4.93, 10.47) and injecting illicit opioids (aOR = 2.98; 2.03, 4.36) in the last three months, as well as having multiple sex partners in the last 12 months (aOR = 1.60; 1.50, 2.73) and region (north: aOR = 5.42; 2.92 10.03; south: aOR = 2.95; 2.04, 4.27; east: aOR = 24.43; 15.62, 38.22). CONCLUSIONS: The frequency of methamphetamine use among PWID is considerable in Iran. Our findings underscore the importance of implementing tailored comprehensive harm reduction services for this sub-population of PWID. They also emphasize the urgent need for evidence-based interventions to address the harms associated with the increasing co-use of opioids and methamphetamine among PWID.
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 | 0,000 |
| 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 ».