Community awareness of, use of and attitudes towards HIV pre-exposure prophylaxis (PrEP) among men who have sex with men in Vancouver, Canada: preparing health promotion for a publicly funded PrEP program
Notice bibliographique
Résumé
Background HIV rates are persistently disproportionate among men who have sex with men (MSM). Pre-exposure prophylaxis (PrEP) is an effective HIV prevention method, now publicly funded in British Columbia. This study assessed PrEP-related attitudes, sexual behaviour and self-reported use before public funding. METHODS: Adult MSM were recruited from January to June 2017 through a local community-based organisation's PrEP campaign website (www.getpreped.ca). Participants self-completed an anonymous online questionnaire, and were stratified into three groups: (i) HIV-positive participants; (ii) HIV-negative participants not using PrEP; and (iii) HIV-negative participants using PrEP. Descriptive, bivariate and univariate regression analyses were conducted. RESULTS: Of 249 participants, 191 (77%) were HIV-negative not using PrEP, 41 (17%) were HIV-negative using PrEP and 17 (7%) were HIV-positive. Among PrEP users, 90% used PrEP daily and all reported having recommended medical follow-up care. Among HIV-negative, non-PrEP-users, 44% said they would reduce condom use if they used PrEP and 28% were uncomfortable asking their doctor for PrEP. Interest in PrEP among non-users was associated with higher objective risk scores (i.e. HIV Incidence Risk Index for MSM), higher self-perceived risk, greater perceived PrEP effectiveness, no prescription medications insurance, open or single relationship status (vs closed) and not always using condoms (vs always). Among HIV-positive participants, 53% agreed PrEP reduced stigma for people living with HIV. All study groups perceived a greater percentage of MSM on PrEP (10%, 15%, 18%) than in their own social networks (5%, 4%, 6%). CONCLUSIONS: PrEP health promotion must consider comprehensive PrEP education; accuracy of self-perceived HIV risk and PrEP social norms; and barriers to culturally safe primary care for MSM.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».