MétaCan
Menu
Retour à la cohorte
Enregistrement W4410102416 · doi:10.1186/s12939-025-02492-5

Understanding African American/Black and Latine young and emerging adults living with HIV: a sequential explanatory mixed methods study focused on self-regulatory resources

2025· article· en· W4410102416 sur OpenAlexfundno aff
Leo Wilton, Marya Gwadz, Charles M. Cleland, Stephanie Campos, Michelle R. Munson, Caroline Dorsen, S. Serrano, Dawa Sherpa, Shaddy K. Saba, Corey Rosmarin-DeStefano, Prema Filippone

Notice bibliographique

RevueInternational Journal for Equity in Health · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV/AIDS Research and Interventions
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Drug AbuseYork UniversityCenter for Drug Use and HIV Research
Mots-clésBiostatisticsMedicinePublic healthDemographyMen who have sex with menViral loadHealth psychologyPopulationGerontologyEnvironmental healthClinical psychologyPsychologyFamily medicineHuman immunodeficiency virus (HIV)Sociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: HIV care continuum engagement is inadequate among African American/Black and Latine (AABL) young/emerging adults living with HIV in the United States. Within this population, some subgroups face barriers to research and are under-studied. Grounded in social action theory, the present study focuses on a diverse community-recruited cohort including those with non-suppressed HIV viral load. Using a sequential explanatory mixed methods design, we describe contextual self-regulatory resources (e.g., substance use, mental health), and their relationships to HIV management. METHODS: Participants (N = 271) engaged in structured baseline assessments and biomarker testing (HIV viral load, drug screening). Being well-engaged in HIV care and HIV viral suppression were the primary outcomes. We purposively sampled a subset for maximum variability for in-depth interviews (N = 41). Quantitative data were analyzed via descriptive statistics and logistic regression, and results were used to develop qualitative research questions. Then, qualitative data were analyzed via directed content analysis. The joint display method was used to integrate results. RESULTS: Participants' mean age was 25 years (SD = 2). The majority (59%) were Latine/Hispanic and 41% were African American/Black. Nearly all were assigned male sex at birth (96%) and identified as gay/bisexual/queer (93%). The average HIV diagnosis was 4 years prior (SD = 3). The majority were well-engaged in HIV care (72%) and evidenced viral suppression (81%). Substance use (tobacco, marijuana, alcohol) was prevalent, mainly at low- and moderate-risk levels. Drug screening indicated marijuana, methamphetamine, and MDMA were the most common recent substances. Symptoms of depression and PTSD were associated with decreased odds of engagement in care. High-risk cannabis use was associated with decreased odds of HIV viral suppression. Qualitative results highlighted the prevalence of substance use in social networks and venues, and the importance of substances as a coping strategy, including for mental health distress. Tobacco and methamphetamine (but not marijuana) were described as problematic, and marijuana was used as harm reduction. Substance use was more common among those with non-suppressed versus suppressed HIV viral load. However, overall, substance use did not commonly interfere substantially with HIV management. CONCLUSIONS: The present study advances knowledge on AABL young/emerging adults living with HIV and highlights ways to improve screening and services.

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)0,016
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,001
Communication savante0,0020,003
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,102
Tête enseignante GPT0,481
Écart entre enseignants0,379 · 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'étudeQualitatif
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Equity in HealthMême sujetHIV/AIDS Research and InterventionsTravaux en français237 207