Inability to access primary care clinics among people who inject drugs in a Canadian health care setting
Notice bibliographique
Résumé
<h3>Objective</h3> To examine the prevalence and correlation of self-reported inability to access community primary care clinics among people who inject drugs (PWID). <h3>Design</h3> Self-report questionnaire data. <h3>Setting</h3> Vancouver, BC. <h3>Participants</h3> Data were derived from 3 prospective cohort studies of PWID between 2013 and 2016. <h3>Main outcome measures</h3> Multivariable generalized estimating equations were used to determine prevalence of and reasons for self-reported inability to access primary care, as well as factors associated with inability to access care. <h3>Results</h3> Of 1396 eligible participants, including 525 (37.6%) women, 209 (15.0%) persons were unable to access a primary care clinic at some point during the study period. In the multivariable analysis, factors independently associated with inability to access clinics included ever being diagnosed with a mental health disorder (adjusted odds ratio [AOR] = 1.63, 95% CI 1.14 to 2.35), dealing drugs (AOR = 1.60, 95% CI 1.15 to 2.22), using emergency services (AOR = 1.51, 95% CI 1.13 to 2.02), being female (AOR = 1.49, 95% CI 1.08 to 2.08), and testing positive for HIV (AOR = 0.47, 95% CI 0.30 to 0.72) (for all factors, <i>P</i> < .05). <h3>Conclusion</h3> Specific exposures were linked to challenges in accessing primary care among the sample of PWID, even in a publicly funded health care setting. Notably, models designed for care of people with HIV appear to increase access to primary care among PWID. Further research is needed to determine how to effectively treat accompanying mental illness, how to provide women-centred services, and how to connect people with primary care who would likely otherwise go to the emergency department.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 ».