MétaCan
Menu
Retour à la cohorte
Enregistrement W2799673988 · doi:10.1097/qai.0000000000001702

Factors Associated With Gaps in Medicaid Enrollment Among People With HIV and the Effect of Gaps on Viral Suppression

2018· article· en· W2799673988 sur OpenAlexaboutno aff
Anne K. Monroe, Leslie Myint, Richard M. Rutstein, Judith A. Aberg, Stephen Boswell, Allison L. Agwu, Kelly A. Gebo, Richard D. Moore

Notice bibliographique

RevueJAIDS Journal of Acquired Immune Deficiency Syndromes · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV/AIDS Research and Interventions
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesNational Institute on Drug AbuseNational Institute of Mental Health
Mots-clésMedicaidLogistic regressionMedicineOddsOdds ratioDemographyQuarter (Canadian coin)GerontologyInternal medicineHealth careGeography

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Gaps in Medicaid enrollment may affect HIV outcomes. We evaluated factors associated with Medicaid enrollment gaps and their effect on viral suppression (VS) within the HIV Research Network. METHODS: We used a combined data set with Medicaid enrollment files from 2006 to 2010 and HIV Research Network demographic and clinical data. A gap was defined as ≥1 month without Medicaid and gap length was determined. We used multivariable logistic regression to determine factors associated with a gap and multivariable logistic regression with generalized estimated equations to evaluate factors associated with VS after gap. RESULTS: Of 5836 participants, the majority were male, of black race, and aged 25-50 years. More than half had a gap in Medicaid. Factors associated with a gap included male sex [adjusted odds ratio (aOR) 1.79, (1.53, 2.08)] and younger age (aORs ranging from 1.50 to 4.13 comparing younger age groups to age >50, P < 0.05 for all). About a quarter of gaps had VS information before and after gap. Of those, 53.7% had VS both before and after gap and 25.8% were unsuppressed both before and after gap. The strongest association with VS after gap was VS before gap [aOR 15.76 (10.48, 23.69)]. Transition into Ryan White HIV/AIDS Program coverage during Medicaid gaps was common (28% of all transitions). CONCLUSIONS: Gaps in Medicaid enrollment were common and many individuals with pre-gap VS maintained VS after gap, possibly due to accessing other sources of antiretroviral therapy coverage. Implementing initiatives to maintain Medicaid enrollment and to expedite Medicaid reenrollment and having alternate resources available in gaps are important to ensure continuous antiretroviral therapy to optimize HIV outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,280
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAIDS Journal of Acquired Immune Deficiency SyndromesMême sujetHIV/AIDS Research and InterventionsTravaux en français237 207