Visits to primary care physicians among persons who inject drugs at high risk of hepatitis <scp>C</scp> virus infection: room for improvement
Notice bibliographique
Résumé
The role of primary care physicians (PCP) in hepatitis C virus (HCV) prevention is increasingly emphasized. Yet, little is known about the patterns of contacts with PCP among persons who inject drugs (PWID). We sought to assess the 6-month prevalence of PCP visiting among PWID at risk of HCV infection and to explore the associated factors. Baseline data were collected from HCV-seronegative PWID recruited in HEPCO, an observational Hepatitis Cohort study (2004-2011) in Montreal, Canada. An interviewer-administered questionnaire elicited information on socio-demographic factors, drug use patterns and healthcare services utilization. Blood samples were tested for HCV antibodies. Using the Gelberg-Andersen Behavioral Model, hierarchical logistic regression analyses were conducted to identify predisposing, need and enabling factors associated with PCP visiting. Of the 349 participants (mean age = 34; 80.8% male), 32.1% reported visiting a PCP. In the multivariate model, among predisposing factors, male gender [adjusted odds ratio (AOR) = 0.45 (0.25-0.83)], chronic homelessness [AOR = 0.08 (0.01-0.67)], cocaine injection [AOR = 0.46 (0.28-0.76)] and reporting greater illegal or semi-legal income [AOR = 0.48 (0.27-0.85)] were negatively associated with PCP visits. Markers of need were not associated with the outcome. Among enabling factors, contact with street nurses [AOR = 3.86 (1.49-9.90)] and food banks [AOR = 2.01 (1.20-3.37)] was positively associated with PCP visiting. Only one third of participating PWID reported a recent visit to a PCP. While a host of predisposing factors seems to hamper timely contacts with PCP among high-risk PWID, community-based support services may play an important role in initiating dialogue with primary healthcare services in this population.
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 | 0,010 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».