A Descriptive Model of Patient Readiness, Motivators, and Hepatitis C Treatment Uptake among Australian Prisoners
Notice bibliographique
Résumé
BACKGROUND: Hepatitis C virus infection (HCV) has a significant global health burden with an estimated 2%-3% of the world's population infected, and more than 350,000 dying annually from HCV-related conditions including liver failure and liver cancer. Prisons potentially offer a relatively stable environment in which to commence treatment as they usually provide good access to health care providers, and are organised around routine and structure. Uptake of treatment of HCV, however, remains low in the community and in prisons. In this study, we explored factors affecting treatment uptake inside prisons and hypothesised that prisoners have unique issues influencing HCV treatment uptake as a consequence of their incarceration which are not experienced in other populations. METHOD AND FINDINGS: We undertook a qualitative study exploring prisoners' accounts of why they refused, deferred, delayed or discontinued HCV treatment in prison. Between 2010 and 2013, 116 Australian inmates were interviewed from prisons in New South Wales, Queensland, and Western Australia. Prisoners experienced many factors similar to those which influence treatment uptake of those living with HCV infection in the community. Incarceration, however, provides different circumstances of how these factors are experienced which need to be better understood if the number of prisoners receiving treatment is to be increased. We developed a descriptive model of patient readiness and motivators for HCV treatment inside prisons and discussed how we can improve treatment uptake among prisoners. CONCLUSION: This study identified a broad and unique range of challenges to treatment of HCV in prison. Some of these are likely to be diminished by improving treatment options and improved models of health care delivery. Other barriers relate to inmate understanding of their illness and stigmatisation by other inmates and custodial staff and generally appear less amenable to change although there is potential for peer-based education to address lack of knowledge and stigma.
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 | 0,008 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».