Characterizing Canadian Healthcare Providers’ Behaviour Regarding Prescribing HIV Pre-Exposure Prophylaxis (PrEP) to Women: A Cross-Sectional Survey
Notice bibliographique
Résumé
Background: HIV Pre-Exposure Prophylaxis (PrEP) is underused in women. I explored providers’ PrEP prescribing to women using the Capability-Opportunity-Motivation-Behaviour (COM-B) model. Methods: In a survey, Canadian OBGYN, family, internal, and preventive medicine physicians/residents, and pharmacists self-assessed their COM-B from 0-100, following guiding questions between August/2023-March/2024. I descriptively analyzed determinants of PrEP prescribing to cisgender/ transgender women and used multivariable regression modeling to identify construct correlates. Results: Nearly a quarter of providers had prescribed to cis and trans women (24.8%, CI=0.19-0.3; and 23.8%, CI=0.19-0.29). Providers had high prescribing Motivation (median=80, IQR=61, 91.3 for cis women; median=81, IQR=63, 100 for trans women), and modest Capability (median=54, IQR=25, 80; median=58, IQR=25, 84.3) and Opportunity (median=41, IQR=16, 70; median=40, IQR = 10, 73.5). In the adjusted models, Capability (AOR=1.34, p=0.002; AOR=1.45, p=0.017) and Opportunity (AOR=1.19, p<0.001; AOR=1.22, p=0.009) were significantly associated with prescribing to cis and trans women, while Motivation was not. Conclusions: Prescribing had occurred only in a quarter of providers, likely due to low Capability and Opportunity. Future interventions should address these constructs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».