Digging Deep: Barriers to HIV Care Among Indigenous Women
Notice bibliographique
Résumé
Indigenous women experience a disproportionate burden of ill health, including high rates of HIV. To reduce disparities in disease burden and health outcomes, identification of the barriers preventing access to health care is necessary. Identifying and discussing these barriers can assist service providers in the provision of care, influence policies for health and social well-being, and advance the discourse on equitable health care for Indigenous Peoples. Our research goal was to identify evidence-based, community-driven and asset-based solutions from the perspective of Indigenous women living with HIV. We also aimed to identify the role of the social determinants of health that influence the rates of HIV among Indigenous women. We used a combination of community-based participatory research methodology and Indigenous storytelling during 148 one-on-one interviews with HIV- and/or HCV-positive Indigenous women. Nine additional interviews were executed with healthcare professionals, health directors, and Knowledge Keepers and Elders. The interviews included qualitative, open-ended questions. We utilized NVivo for data analysis as well as Nanâtawihowin Âcimowina Kika-Môsahkinikêhk Papiskîci-Itascikêwin Astâcikowina (NAKPA), an Indigenous method for qualitative data analysis. Through the analysis, we identified nine barriers to care including expenses for daily living and health care-associated costs, time, access to computers and/or internet, transportation, childcare, homelessness and missed appointments, age, experiences with healthcare professionals and the health care system, and language. These barriers prevent access to and engagement in health care, leading to poor HIV related health outcomes. Healthcare providers have an essential role in identifying barriers to care, improving access to care in a patient-centered approach, and working to improve culturally safe practices.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».