HIV Prevention Needs of African, Caribbean and Other Black Men and Women: Findings from the BLACCH Study Interviews
Notice bibliographique
Résumé
BACKGROUND: Definitions of masculinity and femininity and gender roles impact how individuals access, interpret and use HIV prevention messages in African, Caribbean and other Black (ACB) communities. These differences must be considered when designing prevention interventions. OBJECTIVE: To explore sex-based differences in ACB peoples’ HIV prevention needs. METHODS: Using a community-based approach, a purposive sample of 22 ACB community members (CM) and 8 service providers (SP) in London, Ontario was interviewed about health. Respondents represented a cross-section of ACB communities and SPs serving these communities. HIV-specific topics included: awareness, perceived risk, risk behaviours, barrier to accessing services and service needs. Interviews were divided by sex (12 female, 10 male CMs; 6 female, 2 male SPs) and analysed using qualitative content analysis to identify themes. FINDINGS: Men had greater awareness about HIV than women. Women believed their risk of contracting HIV was very low or zero due to marriage and abstinence. Men and women recognized sexual behaviours as risk factors for infection. Women also said alcohol and drug use were risk factors. Men and women said stigma and fear were barriers to accessing HIV services. Women cited literacy and discrimination as additional barriers; men cited mental health and culture. Women called for more condoms and Canadian HIV statistics. Men called for culturally-based services and family testing. Female and male SPs cited female disempowerment as a barrier to protection for women, and low condom use was a barrier for ACB men. Female SPs said ACB men need male SPs that they would access. DISCUSSION: It appears that education, awareness, and empowerment efforts specific to ACB women are needed. Information is needed about straight ACB men, and it is important to encourage them to access HIV services. A quantitative survey complements these findings; these data will be used in a needs assessment.
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,016 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».