Determinants of Familiarity and Experience with HIV Pre-Exposure Prophylaxis in Primary Care Providers in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Despite increased access to HIV pre-exposure prophylaxis (PrEP) in Canada, familiarity and experience among primary care providers (PCPs)-including family doctors and those working with key populations-remains limited. To understand the barriers and facilitators of PrEP familiarity and experience, we conducted a situational analysis in PCPs in sub-urban and rural Ontario. METHODS: We surveyed a non-probabilistic sample of PCPs using an online questionnaire, designed with the Consolidated Framework for Implementation Research (CFIR). Poisson regressions with robust variance were used to assess the relationship between CFIR domains, sociodemographic, and practice characteristics on both PrEP familiarity and experience. RESULTS: A total of 54 PCPs participated (6% response rate), comprising 80% physicians and 20% nurses. Nearly 30% of the sample worked with key populations, including sexual health clinics and community care centers, 18% of respondents reported high familiarity with PrEP, and 44% reported PrEP experience (referred, started a conversation, or prescribed). PrEP familiarity and experience were associated with working in an organization serving key populations, working with gender minorities, and having colleagues providing PrEP. Providers with a positive perception of PrEP and its necessity for populations at risk were more likely to have PrEP-related experience. Higher familiarity and experience were reported by PCPs with specific clinical skills related to PrEP, and with the perception that PrEP was compatible with their practice as primary provider. CONCLUSIONS: Our findings suggest that organizational support, and additional training and education would facilitate PrEP provision by PCPs in suburban/rural Ontario.
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) | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».