Material security and adherence to antiretroviral therapy among HIV-positive people who use illicit drugs
Notice bibliographique
Résumé
OBJECTIVE: To examine the relationship between poverty, operationalized using a novel material security measure, and adherence to antiretroviral therapy (ART) among people who use illicit drugs (PWUD) in a context of universal access to HIV care. DESIGN: We analyzed data from a community-recruited prospective cohort in Vancouver, Canada (n = 623), from 2014 to 2017. METHODS: We used multivariable generalized mixed-effects analyses to estimate longitudinal factors associated with mean material security score. We then estimated the association between achieving at least 95% adherence to ART and overall mean material score, as well as mean score for three factors derived from a factor analysis. The three-factor structure, employed in the current analyses, were factor 1 (basic needs); factor 2 (housing-related variables) and factor 3 (economic resources). RESULTS: Recent incarceration [β-coefficient (β) = -0.176, 95% confidence interval (95% CI): -0.288 to -0.063], unmet health needs [β = -0.110, 95% CI: -0.178 to -0.042), unmet social service needs (β = -0.264, 95% CI: -0.336 to -0.193) and having access to social services (β= -0.102, 95% CI: -0.1586 to -0.0465) were among the factors associated with lower material security scores. Contrary to expectations that low levels of material security in this population would lead to poor ART adherence, we did not observe a significant relationship between adherence and overall material security score, or for each factor individually. CONCLUSION: Our findings highlight the potentially important role of no-cost, universal access to HIV prevention and treatment, in mitigating the impact of socioeconomic disadvantage on ART adherence.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 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 ».