MétaCan
Menu
Retour à la cohorte
Enregistrement W3188217236 · doi:10.1521/aeap.2021.33.4.265

Living With HIV During the COVID-19 Pandemic: Impacts for Older Adults in Palm Springs, California

2021· article· en· W3188217236 sur OpenAlexaboutno aff
Annie L. Nguyen, Mariam Davtyan, Jeff Taylor, Christopher Christensen, Michael Plankey, Stephen E. Karpiak, Brandon Brown

Notice bibliographique

RevueAIDS Education and Prevention · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute on Aging
Mots-clésPandemicMedicineRespondentLogistic regressionDemographyGerontologyCoronavirus disease 2019 (COVID-19)Quarter (Canadian coin)Health carePublic healthEnvironmental healthDiseaseInternal medicine

Résumé

récupéré en direct d'OpenAlex

We conducted surveys in March 2020 with 100 older adults living in Palm Springs, CA, to (1) report the impact of the COVID-19 pandemic on their day-to-day well-being and (2) describe the factors related to missing HIV medication during the pandemic. Respondent's mean age was 64.2 and the majority identified as White, men, and gay. The majority stated that the pandemic had impacted their lives “much,” “very much,” or “extremely.” One-third experienced financial challenges and 46.0% experienced disruptions to health care. Almost a quarter (24.0%) reported missing a dose of their HIV medication during the pandemic. Compared to those ages 64+, younger respondents were more likely to report some negative impacts like changes in sleep patterns, financial challenges, and missed HIV medication doses, and had higher PTSD severity scores. In adjusted logistic regression, higher PTSD severity scores and disruption to health care were associated with missed doses of medications (ps < .05).

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)0,001
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 enseignants0,192
Score d'incertitude au seuil0,383

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,037
Tête enseignante GPT0,402
Écart entre enseignants0,365 · 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

Citations26
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIDS Education and PreventionMême sujetCOVID-19 and Mental HealthTravaux en français237 207