Barriers and facilitators to HIV pre-exposure prophylaxis uptake among transgender women in Colombia: A qualitative analysis using the COM-B model
Notice bibliographique
Résumé
Transgender women [TGW] in Colombia are disproportionately affected by HIV due to their low sociodemographic conditions, varied risk behaviours, difficulty accessing health services, and discrimination. Offering pre-exposure prophylaxis [PrEP] as part of a combination of prevention strategies is an appropriate option for this population to reduce their risk of HIV infection. However, little is known about how to implement a PrEP program for TGW in Colombia. Between June and October 2020, we conducted individual interviews with 16 TGW from four different cities in Colombia. The interviews assessed contextual influences, knowledge, skills, perceptions, and beliefs. We used qualitative thematic analysis to identify themes and the Capability, Opportunity, Motivation, and Behavior framework to further delineate barriers and possible interventions. After delineating the main themes across the three subdomains of the model, nine barriers were identified: one related to capability, knowledge, and perception of PrEP; six related to opportunity, which includes, family relations, sexual work environment, stable partner relations, interactions with healthcare workers, health service provision, and community interactions and opportunities; and two related to motivation, mental health, and concerns about medication side effects. Mapping barriers with interventions generated the following intervention functions: education, training, enablement, and environmental structure; and the following policy functions: communication/marketing, legislation, and changes in service provision. Examples of possible interventions are presented and discussed.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| 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 ».