Psychosocial factors in adherence to antiretroviral therapy among HIV-positive people who use drugs.
Notice bibliographique
Résumé
OBJECTIVE: Suboptimal adherence to antiretroviral therapy (ART) among HIV-infected people who use illicit drugs (PWUD) remains a significant concern, and there is a lack of effective adherence interventions for this population. Therefore, we sought to identify psychosocial determinants of optimal adherence, including adherence self-efficacy and outcome expectancies, with the aim of informing interventions designed to improve adherence among PWUD. METHOD: From December 2005 to November 2013, we collected data from the AIDS Care Cohort to evaluate Exposure to Survival Services (ACCESS), a prospective cohort of PWUD in Vancouver, Canada. We used multivariable generalized estimating equations (GEE) analysis to identify longitudinal factors independently associated with 95% or greater adherence to ART. RESULTS: Among 667 participants, including 220 (33%) women, 391 (59%) had 95% or greater ART adherence at baseline. In multivariable GEE analysis, adherence self-efficacy, adjusted odds ratio (AOR) = 1.16, 95% confidence interval (CI) [1.11, 1.21] per 10-point increase, was independently and positively associated with adherence, while negative outcome expectancy, AOR = 0.95, 95% CI [0.93, 0.98], was negatively associated. CONCLUSION: In light of the ongoing challenges associated with ART adherence among HIV-positive PWUD, and our findings of associations between adherence, self-efficacy, and outcomes expectancies, tailored intervention strategies based on constructs of social learning theory should be implemented and evaluated to improve adherence among HIV-infected PWUD.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».