Responding to critiques of the Canadian PrEP guidelines: Increasing equitable access through a nurse-led active-offer PrEP service (PrEP-RN)
Notice bibliographique
Résumé
HIV pre-exposure prophylaxis (PrEP) is the use of HIV medications by HIV-negative persons to prevent HIV acquisition from future potential or known exposures to this virus. Multiple studies have demonstrated its efficacy in this regard. In 2017, to help increase the use of PrEP in Canada, clinical practice guidelines were published. These summarized the available literature and made recommendations for men who have sex with men (MSM), persons who engage in injection drugs use (IDU), and heterosexual persons. Recently, arguments were made to suggest that these guidelines are not inclusive of other minority populations in Canada, including persons of African, Caribbean, and Black (ACB) descent and Indigenous persons. In this article, we review these critiques, and overview our approach to risk assessments for PrEP. Specifically, we detail the clinical procedures of our nurse-led PrEP clinic in Ottawa (entitled PrEP-RN). Lastly, we present preliminary uptake data for PrEP-RN, and discuss their meaning.
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 | 0,068 | 0,178 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,029 | 0,023 |
| Communication savante | 0,012 | 0,005 |
| Science ouverte | 0,009 | 0,007 |
| Intégrité de la recherche | 0,014 | 0,031 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».