MétaCan
Menu
Retour à la cohorte
Enregistrement W4404233390 · doi:10.1071/sh24018

Prescribing pre-exposure prophylaxis for HIV prevention: a cross-sectional survey of general practitioners in Australia

2024· article· en· W4404233390 sur OpenAlexaff
Jason Wu, Christopher K. Fairley, Daniel Grace, Benjamin R. Bavinton, Douglas Fraser, Curtis Chan, Eric P. F. Chow, Jason J. Ong

Notice bibliographique

RevueSexual Health · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV/AIDS Research and Interventions
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicinePre-exposure prophylaxisCross-sectional studyHuman immunodeficiency virus (HIV)GonorrheaFamily medicineGenitourinary medicinePost-exposure prophylaxisGenital wartsEnvironmental healthThrushSyphilisHuman papilloma virusMen who have sex with menInternal medicineCervical cancerCancerPathology

Résumé

récupéré en direct d'OpenAlex

Background Pre-exposure prophylaxis (PrEP) is a safe and effective medication for preventing HIV acquisition. We examined Australian general practitioners' (GP) knowledge of PrEP efficacy, characteristics associated with ever prescribing PrEP and barriers to prescribing. Methods We conducted an online cross-sectional survey of GPs working in Australia between April and October 2022. We performed univariable and multivariable logistic regression analyses to identify factors associated with: (1) the belief that PrEP was at least 80% efficacious; and (2) ever prescribed PrEP. We asked participants to rate the extent to which barriers affected their prescribing of PrEP. Results A total of 407 participants with a median age of 38years (interquartile range 33-44) were included in the study. Half of the participants (50%, 205/407) identified how to correctly take PrEP, 63% (258/407) had ever prescribed PrEP and 45% (184/407) felt confident with prescribing PrEP. Ever prescribing PrEP was associated with younger age (AOR 0.97, 95% CI: 0.94-0.99), extra training in sexual health (AOR 2.57, 95% CI: 1.54-4.29) and being a S100 Prescriber (OR 2.95, 95% CI: 1.47-5.90). The main barriers to prescribing PrEP included: 'Difficulty identifying clients who require PrEP/relying on clients to ask for PrEP' (76%, 310/407), 'Lack of knowledge about PrEP' (70%, 286/407) and 'Lack of time' (69%, 281/407). Conclusion Less than half of our GP respondents were confident in prescribing PrEP, and most had difficulty identifying who would require PrEP. Specific training on PrEP, which focuses on PrEP knowledge, identifying suitable clients and making it time efficient, is recommended, with GPs being remunerated for their time.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,095
Score d'incertitude au seuil0,190

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,144
Tête enseignante GPT0,476
Écart entre enseignants0,332 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSexual HealthMême sujetHIV/AIDS Research and InterventionsTravaux en français237 207