Variations temporelles de l’injection de drogues et association avec le risque d’infection par le virus de l’hépatite C
Bibliographic record
Abstract
La majorité des personnes utilisatrices de drogues par injection (PUDI) contracteront le virus de l’hépatite C (VHC), les mettant à risque accru de complications hépatiques graves et parfois mortelles. Les comportements les plus risqués pour l’acquisition du VHC incluent le partage de matériel d’injection et l’injection à haute fréquence. Un facteur jusqu’ici négligé dans l’évaluation du risque de VHC est l’aspect dynamique de l’injection, c.-à-d. la manière dont elle varie dans le temps, incluant l’effet des périodes sans injection et celui des changements dans la fréquence d’injection. On reconnaît également l’effet délétère que l’instabilité résidentielle peut avoir sur le risque de VHC, bien que les mécanismes sous-jacents soient mal compris. Cette thèse s’intéresse à l’effet des variations temporelles de l’injection sur le risque de VHC, et à la manière dont la fréquence d’injection évolue en concomitance avec les conditions résidentielles dans le temps, afin d’aider au développement de nouvelles stratégies de prévention du VHC. Les données ont été recueillies entre mars 2011 et juin 2016 dans la Hepatitis Cohort, une cohorte de PUDI suivies trimestriellement à Montréal, au Québec. Une première analyse a évalué l’effet des périodes sans injection de trois mois ou moins sur le risque de VHC sur 916 personnes-années de suivi, par régression de Cox (N=372). Celle-ci suggère que les PUDI présentant des périodes sans injection courtes (3/3 mois sans injection) et sporadiques (1/3 ou 2/3 mois sans injection) sont respectivement 76% et 44% moins à risque de VHC que celles s’injectant de manière persistante (0/3 mois sans injection). Une deuxième analyse a utilisé la modélisation de trajectoires fondée sur le groupement pour identifier cinq types distincts de trajectoires de fréquence d’injection suivies sur une année, lesquels ont ensuite été comparés en termes d’incidence du VHC sur des périodes de suivi allant de 71 à 355 personnes-années (N=386). Les résultats suggèrent que les PUDI dont la fréquence reste élevée (injection fréquente) ou change dans le temps (croissante, décroissante) sont à plus haut risque de VHC que celles s’injectant à basse fréquence (sporadique, peu fréquente). Une dernière analyse a identifié trois types de trajectoires de stabilité résidentielle suivies sur un an (persistance, déclin, amélioration; N=386), lesquels ont été évalués en association avec les trajectoires de fréquence d’injection suivies simultanément. Les résultats suggèrent qu’il existe un lien entre l’amélioration des conditions résidentielles et la diminution de la fréquence d’injection, mais aussi que la probabilité d’injection à fréquence croissante est plus élevée chez les PUDI maintenant des conditions résidentielles stables que celles chez qui elles s’améliorent. Collectivement, les résultats ont de nombreuses implications en termes de prévention du VHC. Cliniquement, l’instabilité de la fréquence d’injection semble être un facteur de risque à monitorer régulièrement. En termes de santé publique, les interventions favorisant l’engagement dans des périodes sans injection ou le maintien d’une basse fréquence d’injection pourraient être prometteuses. Enfin, les stratégies visant l’amélioration des conditions résidentielles pourraient éventuellement aider les PUDI à réduire leur fréquence d’injection, mais être insuffisantes pour maintenir celle-ci à basse fréquence une fois la stabilité atteinte.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".