Moving from In-Person to Digital Delivery Models of HIV Peer Support Services in Response to COVID-19: A Qualitative Study
Notice bibliographique
Résumé
COVID-19 saw a rapid shift in how community-based peer support programs were delivered. HIV peer support workers were required to work from home and community-based HIV and LGBTQ + organisations moved their support programs to digital platforms. Between May and September 2020, semi-structured interviews were conducted with individuals who worked (n = 17) or volunteered (n = 4) for community-based HIV and/or LGBTQ + health organisations. Interviews explored the impact of moving to digital service delivery on how peer support programs were delivered and the impact on peer support workers. We identified three overarching themes. Firstly, we highlight challenges with rapidly shifting to online service delivery, particularly as this shift limited opportunities for informal interactions between participants. Informal interactions were considered an important aspect of peer support programs. Secondly, the move to digital service delivery diminished opportunities for informal support between peer workers and their colleagues, just as they were also adjusting to a new and unfamiliar working environment. Thirdly, the removing of physical distance as a specific barrier to care opened new opportunities for engaging potential clients who may have previously had difficulties in accessing HIV support services. We argue that careful consideration is needed to address barriers specific to digital service delivery, including lack of access to appropriate technology and telecommunication infrastructure, as well as concerns about participants' privacy.
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 | 0,001 | 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 | 0,000 |
| 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 ».