HOME protocol for a national online survey of people who inject drugs
Notice bibliographique
Résumé
Most surveys of people who inject drugs (PWID) fail to represent the full population of PWID, because usual recruitment methods do not achieve geographic and sociodemographic diversity. People of color, people residing in rural and/or harm reduction-deprived areas, and people who rarely connect with social services are the least surveyed and understood PWID populations. Online-based recruitment and surveys may better reach these hidden PWID populations than standard venue-based recruitment. As technology use and internet access become more ubiquitous, even for unstably housed populations, research using online-based recruitment and survey techniques are growing in the substance use field. These methods hold promise for obtaining larger and more diverse PWID samples, but there are no standards for using online recruitment and survey administration methods to reach large populations of PWID vulnerable to overdose and other threats. Best practices are needed to maximize data quality, prevent fraudulent responses, and minimize selection biases. The HOME (Harm reduction services Offered through Mail-delivery Expansion) study recruits and enrolls a national, online-recruited, longitudinal cohort of 1233 PWID and follows them for 18 months. Key objectives are to assess prior harm reduction utilization and future uptake of mail-based harm reduction services and retention in these services. We describe our online data collection protocol, including recruitment approaches, detecting fraud, maximizing data quality, and participant retention throughout follow-up. These strategies can inform subsequent large-scale, nationwide efforts that recruit PWID through the internet.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».