Decision conflict and the decision support needs of HIV PrEP-eligible Black patients in Toronto regarding the adoption of PrEP for HIV prevention
Notice bibliographique
Résumé
Objectives: This study examined factors contributing to decision conflict and the decision support needs of PrEP-eligible Black patients. Methods:The Ottawa Decision Support Framework (ODSF) was used to guide the development of a key informant guide used for qualitative data collection. Black patients assessed by healthcare providers as meeting the basic criteria for starting PrEP were recruited through the St. Michael's Hospital Academic Family Health Team and clinical and community agencies in Toronto. Participants were interviewed by trained research staff. Qualitative content analysis was guided by the ODSF, and analysis was done using the Nvivo. Results: Four women and twenty-five men (both heterosexual and men who have sex with men) were interviewed. Participants reported having difficulty in decision making regarding adoption of PrEP. The main reasons for decision-conflict regading PrEP adoption were: lack of adequate information about PrEP, concerns about the side effects of PrEP, inability to ascertain the benefits or risk of taking PrEP, provider's lack of adequate time for interaction during clinical consultation, and perceived pressure from healthcare provider. Participants identified detailed information about PrEP, and being able to clarify how their personal values align with the benefits and drawbacks of PrEP as their decision support needs. Conclusion:Many PrEP-eligible Black patients who are prescribed PrEP have decision conflict which often causes delay in decision making and sometimes rejection of PrEP. Healthcare providers should offer decision support to Black patients who are being asked to consider PrEP for HIV prevention.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».