Patterns of service utilization in a syringe exchange program. : Poster presented at the 17th International Conference on the Reduction of Drug Related Harm, April 30 to May 4th, 2006 in Vancouver.
Notice bibliographique
Résumé
Background: This study monitors a syringe exchange program (Malmo, Sweden), in which all visits and exchanges are registered anonymously, although some services e.g. HIV-tests and vaccinations need identification. Methods: Two datasets are used. a) About 500 visitors were interviewed on childhood as well as present social situation, health, drug use, risk behaviors, social network and treatment experiences. Their visits as well as amount and types of services used were monitored during 40 months. b) All visits between 1989 - 2003 (177699 visits, 3660 users) were continuously registered, including services used. Results: The visitors (mean age 35.5 ys, 71 % men) had used drugs 23 years and injected 16 years. Prevalence of HIV was low (2.3 %) but frequent on hepatitis B and C (61 and 86 %, respectively). The number of users who shared needles ?last year? was 37 % and ?last month? 19 %. Number of visits varied from 1 to 616, and the average visitor came once in two months. They collected 63 syringes per year (mean) and gave 44 (70 %) in return. Most visitors (86 %) used additional services, and in more than 40 % of the visits. Nearly all (98.5 %) tested for HIV; 36 % had physical examination, and 22 % other health care, 20 % met the counsellor and 27 % vaccinated against Hepatitis B. This had a dramatic effect in reducing the relative risk for such infection (odds ratio 0,004). The second dataset is currently being analyzed. The presentation will include various patterns of program utilization over time. Conclusions: Utilization of the services varies to a great extent. Few visitors make the majority of visits. Most users do not visit frequently enough to supply their need of clean needles. Hence, there is still a high incidence of hepatitis. But the large majority seems to use the additional services. The development over time for diverse groups of visitors will be further explored in the paper.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».