HIV prevalence among a retrospective clinical cohort of transgender women in Canada: Results of the Montreal-Toronto Trans study, collected 2018–2019
Notice bibliographique
Résumé
BACKGROUND: HIV prevalence data among transgender (trans) people are not routinely collected in national estimates, including Canada, contributing to gender-based inequities. We examined HIV prevalence and associated factors among trans women in clinical care in two large Canadian cities. METHODS: Retrospective chart data of trans women aged 16+ were collected from six family medicine and/or HIV clinics in Montreal and Toronto, Canada, 2018-2019. Multinomial logistic regression was used to analyze factors associated with documented HIV positive or missing HIV status relative to documented HIV negative status. RESULTS: Among 1,059 patients, 7.5% were HIV positive, 54.4% HIV negative, and 38.1% missing HIV data. Findings showed lower odds of being HIV positive for those <30 years or 30-50 years (vs. >50 years); higher odds were seen for those: of Black race/ethnicity (vs. white), landed immigrant or refugee (vs. Canadian citizen), receiving social assistance (vs. not), and whom ever having used recreational drugs. CONCLUSIONS: Albeit high, the prevalence of HIV was lower than expected based on global estimates. Missing HIV status data suggest gaps in testing. Findings highlight socioeconomic and clinical realities among trans women in Canada and inform future HIV prevention and support.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».