Intersectional stigmas are associated with lower viral suppression rates and antiretroviral therapy adherence among women living with HIV
Notice bibliographique
Résumé
OBJECTIVES: To explore the associations between intersectional poverty, HIV, sex, and racial stigma, adherence to antiretroviral therapy (ART), and viral suppression among women with HIV (WHIV). DESIGN: We examined intersectional stigmas, self-report ART adherence, and viral suppression using cross-sectional data. METHODS: Participants were WHIV ( N = 459) in the Women's Adherence and Visit Engagement, a Women's Interagency HIV Study substudy. We used Multidimensional Latent Class Item Response Theory and Bayesian models to analyze intersectional stigmas and viral load adjusting for sociodemographic and clinical covariates. RESULTS: We identified five intersectional stigma-based latent classes. The likelihood of viral suppression was approximately 90% lower among WHIV who experienced higher levels of poverty, sex, and racial stigma or higher levels of all intersectional stigmas compared with WHIV who reported lower experiences of intersectional stigmas. ART adherence accounted for but did not fully mediate some of the associations between latent intersectional stigma classes and viral load. CONCLUSION: The negative impact of intersectional stigmas on viral suppression is likely mediated, but not fully explained, by reduced ART adherence. We discuss the research and clinical implications of our findings.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».