HIV-Related Stigma Among Healthcare Providers in Different Healthcare Settings: A Cross-Sectional Study in Kerman, Iran
Notice bibliographique
Résumé
BACKGROUND: Stigmatizing attitudes among healthcare providers are an important barrier to accessing services among people living with HIV (PLHIV). This cross-sectional study aimed to assess the status and correlates of HIV-related stigma among healthcare providers in Kerman, Iran. METHODS: Using a validated and pilot-tested stigma scale questionnaire, we measured HIV-related stigma among 400 healthcare providers recruited from three teaching hospitals (n=363), private sectors (n=28), and the only voluntary counseling and testing (VCT) center (n=9) in Kerman city. Data were gathered using self-administered questionnaires at participants' workplace during Fall 2016. To examine the correlates of stigmatizing attitudes, we constructed bivariable and multivariable linear regression models. RESULTS: The mean ± standard deviation (SD) of stigma score was 25.95 ± 7.20 out of the possible 50, with higher scores reflecting more stigmatizing attitudes. Paramedics, nurses' aides, and housekeeping staff had the highest, and VCT personnel had the lowest average stigma scores, respectively. Multivariable regression analyses showed that prior experience of working with PLHIV (β=-2.48; P=.03), exposure to HIV-related educational courses (β=-2.03; P=.02), and <10 years of work experience (β=-2.70; P<.001) were associated with lower stigma scores. CONCLUSION: Our findings highlight the need for health managers to provide training opportunities for healthcare providers, including programs that focus on improving HIV-related knowledge for healthcare providers. Enforcing policies that aim to reduce HIV-related stigma and discrimination among healthcare providers in Iran are urgently needed.
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 | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».