Characterizing the Use of Healthcare Access Supports Among People Who Use Drugs in Vancouver, Canada, 2017 to 2020: A Cohort Study
Notice bibliographique
Résumé
Background: For structurally marginalized populations, including people who use drugs (PWUD), equitable access to healthcare can be achieved through healthcare access supports. However, few studies characterized utilization of formal (eg, outreach workers, healthcare professionals) and informal (eg, friends/family) supports. Therefore, we sought to estimate the prevalence of and factors associated with receiving each type of support among PWUD. Methods: We used data from 2 prospective cohort studies of PWUD in Vancouver, Canada, in 2017 to 2020. We constructed separate multivariable generalized linear mixed-effects models to identify factors associated with receiving each of the 3 types of supports (ie, healthcare professionals, outreach workers/peer navigators, and informal supports) compared to no supports. Results: Of 996 participants, 350 (35.1%) reported receiving supports in the past 6 months at baseline, through informal supports (6.2%), outreach workers (14.1%), and healthcare professionals (20.9%). In multivariable analyses, HIV positivity, chronic pain, and avoiding healthcare due to the past mistreatment were positively associated with receiving supports from each of healthcare professionals and outreach workers. Men were less likely to receive any types of the supports (all P < .05). Conclusions: Utilization of healthcare access supports was relatively low in this sample. However, formal supports appeared to have reached PWUD exhibiting more comorbidities and experiencing discrimination in healthcare. Further efforts to make formal supports more available would benefit PWUD with unmet healthcare needs, particularly men.
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 | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».