Mobile Technology for Healthy Aging Among Older HIV-Positive Black Men Who Have Sex with Men: Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: People living with HIV are living longer in the United States as a result of antiretroviral therapy. Black men who have sex with men (MSM) are disproportionally affected by HIV and have low rates of engagement in HIV care and treatment. Mobile technology holds promise as an intervention platform; however, little is known regarding its use among older black MSM living with HIV. OBJECTIVE: The goal of this study was to explore mobile technology use and narratives of aging with HIV among older black MSM to inform mobile health intervention development. METHODS: A total of 12 black MSM living with HIV, aged 50 years or older, completed in-person, semistructured interviews exploring the issues of aging, HIV care engagement, and mobile technology use. The interviews were audiotaped, transcribed, and analyzed using qualitative research methods. RESULTS: Men appreciated having survived the AIDS epidemic, but some expressed discomfort and ambivalence toward aging. Men described various levels of engagement in HIV care and treatment; challenges included social isolation and need for support that was not focused on HIV. Almost all described using mobile technology to engage in health care, whereas some referenced important barriers and challenges to technology use. CONCLUSIONS: Findings highlighted a high level of interest toward a mobile technology-based intervention targeting older black men but also identified barriers and challenges to using mobile technology for health care engagement. Mobile technology is well incorporated into older black MSM's lives and shows potential as an intervention platform for addressing aging issues to enhance engagement in HIV care and treatment.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».