P320 Incentive testing and treatment for STBBI in hard to reach populations in edmonton, alberta, canada
Notice bibliographique
Résumé
Background Since 2014, Edmonton, Alberta, Canada has seen an alarming rise in infectious syphilis and gonorrhea infections. Individuals from vulnerable communities with substance use, involvement with corrections, transactional sex, and inadequately housed are overrepresented among cases. The aim of this project was to increase access to sexually transmitted and blood borne infections (STBBI) testing and treatment among hard to reach populations in Edmonton. Methods Outreach teams from the Edmonton STI clinic consisting of a registered nurse and community health representative or licensed practical nurse offered STBBI testing at subsidized housing locations, community based organizations, and through street outreach. Clients were offered testing and treatment for chlamydia (CT), gonorrhea (NG), syphilis, HIV, Hepatitis C. Clients received a $10 gift card for testing and a $10 gift card when returning for results and/or treatment. Results From October 2018 to February 2019, 393 testing visits were completed among 342 individuals. Nearly two-thirds (61%; n=207) of individuals were men with a median age of 32 years. Women were younger with a median age of 20.4 years. Nearly 60% (57.9%; n=198) of individuals reported substance use with 19.0% (n=65) reporting injection drug use. Six percent (n=20) of individuals were involved in transactional sex. The positivity rate for CT was 9.5% (n=26) and 4.0% (n=11) for NG (273 tested). The positivity rate for HCV was 5.4% (n=15; 278 tested). The syphilis seropositivity rate was 10.8% (n=34; 315 tested). No new HIV cases were found. Eight-percent (n=31) of visits involved treatment for an ST Conclusion Offering STBBI incentivized testing was effective in improving access to testing and treatment for hard to reach clients resulting in high positivity rates for STBBI. By offering testing and treatment to individuals linked to high transmission activities, we aim to reduce the burden of STBBI among vulnerable groups Disclosure No significant relationships.
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 | 0,001 | 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 | 0,005 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».