Assessing the Role of Individual and Neighbourhood Characteristics in HIV Testing: Evidence from a Population Based Survey
Notice bibliographique
Résumé
OBJECTIVES: Individuals living in deprived neighbourhoods have poor health outcomes, including human immunodeficiency virus (HIV) infection mortality. We assessed the association between individual and neighbourhood characteristics, and HIV testing across Canada. METHODS: We used logistic regression modelling to evaluate this association in 2219 men and 2815 women, aged 18-54 years, in Canada, using data from the National Population Health Survey (1996/7),. Socio-economic characteristics and presence of a sexually transmitted infection (STI) were the individual level characteristics. Small area of residence was classified according to categories of material and social deprivation; these were the 'neighbourhood' variables in the model. RESULTS: Ethnic minority women were less likely to report an HIV test than white women (OR 0.44, 95% CI: 0.23 to 0.86). Women without a regular doctor were significantly less likely to report ever having had an HIV test (OR 0.57, 95% CI: 0.35 to 0.93). Adjusting for individual level characteristics, we found that men and women living in the most materially deprived neighbourhoods were slightly less likely to report HIV testing than those living in the least deprived neighbourhoods (Men - OR 0.61, 95% CI: 0.34 to 1.08; Women - OR 0.62, 95% CI: 0.38 to 1.00). DISCUSSION: Thus, living in poor neighbourhoods was associated with poor uptake of an HIV test. These economic disparities should be taken in account while designing future prevention strategies. Ethnic minority women were less likely to go for HIV testing and culturally appropriate messages may be required for prevention in ethnic minorities.
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 | 0,008 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».