Opportunities and barriers for providing HIV testing through community health centers in mainland China: a nationwide cross-sectional survey
Notice bibliographique
Résumé
BACKGROUND: Primary care may be an avenue to increase coverage of HIV testing but it is unclear what challenges primary healthcare professionals in low- and middle-income countries face. We describe the HIV testing practices in community health centres (CHCs) and explore the staff's attitude towards further development of HIV testing services at the primary care level in China. METHODS: We conducted a national, cross-sectional survey using a stratified random sample of CHCs in 20 cities in 2015. Questionnaires were completed by primary care doctors and nurses in CHCs, and included questions regarding their demographics, clinical experience and their views on the facilitators and barriers to offering HIV testing in their CHC. Multivariate logistic regression was conducted to examine the association between staff who would offer HIV testing and their sociodemographic characteristics. RESULTS: A total of 3580 staff from 158 CHCs participated. Despite the majority (81%) agreeing that HIV testing was an important part of healthcare, only 25% would provide HIV testing when requested by a patient. The majority (71%) were concerned about reimbursement, and half (47%) cited lack of training as a major barrier. Almost half (44%) believed that treating people belonging to high-risk populations would scare other patients away, and 6% openly expressed their dislike of people belonging to high-risk populations. Staff who would offer HIV testing were younger (adjusted odds ratio (aOR) 0.97 per year increase in age, 95% confidence interval (CI):0.97-0.98); trained as a doctor compared to a nurse (aOR 1.79, 95%CI:1.46-2.15); held a bachelor degree or above (aOR 1.34, 95%CI:1.11-1.62); and had previous HIV training (aOR 1.55, 95%CI:1.27-1.89). CONCLUSIONS: Improving HIV training of CHC staff, including addressing stigmatizing attitudes, and improving financial reimbursement may help increase HIV testing coverage in China.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».