High Willingness to Use HIV Pre-Exposure Prophylaxis Among Transgender Women in Argentina
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Purpose: In Argentina, transgender women face a disproportionately high prevalence of HIV infection (34%). Although not currently approved in Argentina, pre-exposure prophylaxis (PrEP) may offer a potential effective HIV prevention tool for this population. In this study, we assessed the willingness to use PrEP among transgender women in Argentina. Methods: Data were drawn from a nationwide cross-sectional survey conducted among transgender women in 2013. Using multivariable logistic regression, we assessed the prevalence of and factors associated with willingness to use PrEP among transgender women with negative or unknown HIV status. Results: This study included 337 transgender women (278 HIV negative and 59 with unknown HIV status), most of whom had a history of sex work involvement (81.8%). Overall, 301 (89.3%) expressed willingness to use PrEP. In a multivariable analysis, having casual sexual partners was positively associated with willingness to use PrEP (adjusted odds ratio [AOR]=4.26, 95% confidence interval [CI] 1.73–10.51), while discrimination by healthcare workers was negatively associated (AOR=0.33, 95% CI 0.12–0.88). Conclusion: We found high levels of willingness to use PrEP among transgender women in Argentina, suggesting that there is high perception of HIV risk in this population. However, discrimination by healthcare workers was a strong negative correlate of willingness to use PrEP, suggesting that multilevel interventions that address gender-based stigma in healthcare settings will be critical for the success of PrEP as an HIV prevention strategy 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.
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle