Barriers of Linkage to Hepatitis C Care and Treatment Among People Who Inject Drugs in Georgia
Notice bibliographique
Résumé
Abstract Background: People who inject drugs (PWID) in Georgia have a high prevalence of hepatitis C virus antibody (anti-HCV). Access to care among PWID could be prioritized to meet the country’s hepatitis C elimination goals. This study assesses barriers of linkage to hepatitis C care among PWID in Georgia.Methods: Study participants were enrolled from 13 harm reduction centers throughout Georgia. Anti-HCV positive PWID who were tested for viremia (linked to care [LC]), were compared to those not tested for viremia within 90 days of screening anti-HCV positive (not linked to care [NLC]). Participants were interviewed about potential barriers to seeking care.Results: A total of 500 PWID were enrolled, 245 LC and 255 NLC. LC and NLC were similar with respect to gender, age, employment status, education, knowledge of anti-HCV status, and confidence/trust in the elimination program (p>0.05). More NLC (13.0%) than LC (7.4%) stated they were not sufficiently informed what to do after screening anti-HCV positive (p<0.05). In multivariate analysis, linkage to care was associated with perceived affordability of the elimination program (adjusted prevalence ratio=8.53; 95% confidence interval: 4.14-17.62). Conclusions: Post testing counselling and making hepatitis C services affordable could help increase linkage to care among PWID in Georgia.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».