Estimating the population size of people who inject drugs in Canada, 2021
Notice bibliographique
Résumé
Background: People who inject drugs are disproportionately affected by HIV and hepatitis C infections. Estimating the size and distribution of this population is essential in monitoring infectious diseases rates and progress towards elimination. Objective: This study aims to estimate the population sizes of people in Canada who have ever injected drugs, stratified by sex (assigned at birth), province/region and steroid injection, and those who have recently injected drugs (past 12 months), stratified by sex and steroid injection. While a previous national study reported estimates of recent injection by province, this study provides the first estimates of people who have ever injected drugs at both the national and provincial/regional levels. It is also the first to incorporate stratification by sex and steroid injection, using the most currently available data. Methods: Using combined cycles (2017-2021) of the Canadian Community Health Survey (CCHS), a nationally representative population-based survey, we applied the weighted prevalence of injection drug use to the 2021 Statistics Canada national population size estimate of individuals aged 15 years or more. To this, further adjustments were made using additional data to account for populations not sampled in the CCHS and under-reporting of injection drug use in surveys. Results: In 2021, an estimated 388,400 (95% CI: 338,900-436,500) people in Canada had ever injected drugs, representing 1.22% of the Canadian population 15 years of age and older. Among these, 75% were male and 25% were female. These estimates varied across regions, ranging from 0.92% to 2.47%. The estimated number of people who have recently injected drugs was 100,300 (95% CI: 82,300-119,200) or 0.31% of the population, of which 74% were male and 26% were female. Conclusion: Estimates of people who inject drugs at the national and provincial/regional levels can be used to track key epidemiological metrics that inform public health policy and programming.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».