Racial/Ethnic Disparities in ART Adherence in the United States
Notice bibliographique
Résumé
BACKGROUND: Minority race/ethnicity is generally associated with antiretroviral therapy nonadherence in US-based studies. Limitations of the existing literature include small samples, subjective adherence measures, and inadequate control for potential confounders such as mental health and substance use, which have been consistently associated with poorer adherence. METHODS: Individual-level data were pooled from 13 US-based studies employing electronic drug monitoring to assess adherence. Adherence was operationalized as percent of prescribed doses taken from the first 12 (monthly) waves of data in each study. Depression symptoms were aggregated from several widely used assessments, and substance use was operationalized as any use of cocaine/stimulants, heroin/opiates, ecstasy, hallucinogens, or sedatives in the 30-365 days preceding baseline. RESULTS: The final analytic sample of 1809 participants ranged in age from 18 to 72 years and was 67% male. Participants were 53% African American, 14% Latino, and 34% White. In a logistic regression adjusting for age, gender, income, education, and site, race/ethnicity was significantly associated with adherence (P < 0.001) and persisted in a model that also controlled for depression and substance use (P < 0.001), with African Americans having significantly lower adherence than Latinos [odds ratio (OR) = 0.72, P = 0.04] and whites (OR = 0.60, P < 0.001). Adherence did not differ between whites and Latinos (OR = 0.84, P = 0.27). CONCLUSIONS: Racial/ethnic differences in demographics, depression, and substance abuse do not explain the lower level of antiretroviral therapy adherence in African Americans observed in our sample. Further research is needed to explain the persistent disparity and might examine factors such as mistrust of providers, health literacy, and inequities in the health care system.
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 | 0,003 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».