Prevalence and associated factors of alexithymia among people living with HIV/AIDS in China: a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Alexithymia is common and causes serious harm to people living with HIV/AIDS. Therefore, this study aimed to examine its prevalence and associated factors among people living with HIV/AIDS in China. METHODS: A cross-sectional study was conducted in two designated AIDS medical institutions in Harbin, China between January and December 2019. In total, 767 participants completed the 20-item Toronto Alexithymia Scale, the University of California Los Angeles Loneliness short-form, the Patient Health Questionnaire-9, the HIV Treatment Regimen Fatigue Scale, and the Alcohol Use Disorders Identification Test-Consumption. The participants responded to several questions regarding their demographic characteristics, life satisfaction, disease-related economic burden, and their antiretroviral therapy (ART) side effects. Multivariate logistic regression assessed the relationship between alexithymia and associated factors. Odds ratios (OR) and 95% confidence intervals (CI) for OR were calculated. RESULTS: Approximately 36.1% of the participants were classified as having alexithymia. After adjusted age and education, the logistic regression model indicated that disease-related economic burden (OR = 1.477, 95% CI = 1.155-1.888), ART side effects (OR = 1.249, 95% CI = 1.001-1.559), loneliness (OR = 1.166, 95% CI = 1.101-1.236), and HIV treatment regimen fatigue (OR = 1.028, 95% CI = 1.017-1.039) were positively associated with alexithymia. CONCLUSIONS: The mental health problems of people living with HIV/AIDS are essential to understand and deserve attention. Disease-related economic burdens are major associated factors. Multiple actors should provide better services and guarantees for patients.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».