MétaCan
Menu
Retour à la cohorte
Enregistrement W2990424622 · doi:10.1007/s10461-019-02745-9

Active-Offer Nurse-Led PrEP (PrEP-RN) Referrals: Analysis of Uptake Rates and Reasons for Declining

2019· article· en· W2990424622 sur OpenAlexafffund
Patrick O’Byrne, Lauren Orser, Marlene Haines

Notice bibliographique

RevueAIDS and Behavior · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV/AIDS Research and Interventions
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesOntario HIV Treatment NetworkGovernment of Ontario
Mots-clésPre-exposure prophylaxisMedicineThematic analysisReferralHealth psychologyFamily medicinePublic healthHuman immunodeficiency virus (HIV)Qualitative researchNursingMen who have sex with men

Résumé

récupéré en direct d'OpenAlex

While pre-exposure prophylaxis (PrEP) is an effective HIV prevention strategy, its uptake is limited. To address barriers, we piloted a nurse-led PrEP clinic in an STI clinic and had public health nurses refer patients during STI follow-up. We recorded the number of PrEP offers and declines and clinic uptake. We conducted a thematic analysis of patients' responses from nursing notes written at the time patients declined PrEP. From August 6, 2018 to August 5, 2019, nurses offered a PrEP referral to 261 patients who met our criteria; only 47.5% accepted. Qualitative analysis identified four themes: (1) perceptions of risk, (2) lack of interest, (3) inability to manage, and (4) concerns about PrEP. Our patients did not feel sufficiently at-risk for HIV to use PrEP and maintained that PrEP was for a reckless "other". This analysis sheds light on how assumptions about risk affect PrEP uptake, particularly among those at-risk for HIV.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,200
Score d'incertitude au seuil0,887

Scores Codex et Gemma par catégorie

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

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 Opus0,046
Tête enseignante GPT0,401
Écart entre enseignants0,355 · 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 tête enseignante, 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

Citations16
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIDS and BehaviorMême sujetHIV/AIDS Research and InterventionsTravaux en français237 207