MétaCan
Menu
Retour à la cohorte
Enregistrement W3160047514 · doi:10.9778/cmajo.20200198

Use of HIV pre-exposure prophylaxis among urban Canadian gay, bisexual and other men who have sex with men: a cross-sectional analysis of the Engage cohort study

2021· article· en· W3160047514 sur OpenAlexafffundvenueabout
Joseph Cox, Herak Apelian, Erica E. M. Moodie, Marc Messier-Peet, Trevor Hart, Daniel Grace, David Moore, Nathan J. Lachowsky, Heather L. Armstrong, Jody Jollimore, Shayna Skakoon‐Sparling, Ricky Rodrigues, Darrell H. S. Tan, Mathieu Maheu‐Giroux, Syed W. Noor, Bertrand Lebouché, Cécile Tremblay, Gbolahan Olarewaju, Gilles Lambert

Notice bibliographique

RevueCMAJ Open · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV/AIDS Research and Interventions
Établissements canadiensToronto Metropolitan UniversityAIDS VancouverCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalCommunity Based Research CentreInstitut National de Santé Publique du QuébecMcGill University Health CentreMcGill UniversityCentre Hospitalier de l’Université de MontréalUniversity of VictoriaUniversity of TorontoPublic Health OntarioUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicinePre-exposure prophylaxisCohortDemographyMen who have sex with menHuman immunodeficiency virus (HIV)Cross-sectional studyLogistic regressionGerontologyRespondentFamily medicineInternal medicineSyphilis

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In Canada, gay, bisexual and other men who have sex with men (GBM) are disproportionately affected by HIV. Our objective was to describe access to HIV pre-exposure prophylaxis (PrEP) and identify factors associated with not using PrEP among self-reported HIV-negative or HIV-unknown GBM. METHODS: This was a cross-sectional analysis of the Engage study cohort. Between 2017 and 2019, sexually active GBM aged 16 years or more in Montréal, Toronto and Vancouver were recruited via respondent-driven sampling (RDS). Participation included testing for HIV and sexually transmitted and blood-borne infections, and completion of a questionnaire. We examined PrEP access using a health care services model and fit RDS-adjusted logistic regressions to determine correlates of not using PrEP among those for whom PrEP was clinically recommended and who were aware of the intervention. RESULTS: A total of 2449 GBM were recruited, of whom 2008 were HIV-negative or HIV-unknown; 1159 (511 in Montréal, 247 in Toronto and 401 in Vancouver) met clinical recommendations for PrEP. Of the 1159, 1100 were aware of PrEP (RDS-adjusted proportion: Montréal 84.6%, Toronto 94.2%, Vancouver 92.7%), 678 had felt the need for PrEP in the previous 6 months (RDS-adjusted proportion: Montréal 39.2%, Toronto 56.1%, Vancouver 49.0%), 406 had tried to access PrEP in the previous 6 months (RDS-adjusted proportion: Montréal 20.6%, Toronto 33.2%, Vancouver 29.6%) and 319 had used PrEP in the previous 6 months (RDS-adjusted proportion: Montréal 14.5%, Toronto 21.6%, Vancouver 21.8%). Not using PrEP was associated with several factors, including not feeling at high enough risk, viewing PrEP as not completely effective, not having a primary care provider and lacking medication insurance. INTERPRETATION: Although half of GBM met clinical recommendations for PrEP, less than a quarter of them reported use. Despite high levels of awareness, a programmatic response that addresses PrEP-related perceptions and health care system barriers is needed to scale up PrEP access among GBM in Canada.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,027
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,053
Tête enseignante GPT0,359
Écart entre enseignants0,306 · 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 source (Gemma direct ou Codex distillé), 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

Citations81
Publié2021
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCMAJ OpenMême sujetHIV/AIDS Research and InterventionsTravaux en français237 207