Antiretroviral therapy adherence and retention in care in middle-income and low-income countries: current status of knowledge and research priorities
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Adherence to combination antiretroviral therapy (cART) is one of the most important contributing factors to positive clinical outcomes in patients with HIV, and long-term retention of patients in low-income and middle-income countries is emerging as an important issue in rapidly expanding cART programs. This review presents recent developments in both treatment adherence and retention of patients in low-income and middle-income countries. RECENT FINDINGS: Adherence is among the most modifiable variables in treatment, but there still is no 'gold standard' measurement. Best estimates demonstrate that adherence in resource-limited settings is equal or superior to that in resource-rich settings, possibly due to focused efforts on support groups and community acceptance of adherence behaviors. However, long-term data show that sustained efforts to ensure high cART adherence and evidence of intervention effects are critical, but that resource-intensive interventions are not warranted in settings where cART adherence is high. Furthermore, well conducted evaluation of culturally sensitive interventions to maximize pre-cART and post-cART initiation retention is badly needed in low-income and middle-income settings. SUMMARY: Further research is needed to identify risk factors and to improve adherence and retention among children, adolescents, and adults through use of social networks or emerging technologies for patients at risk for poor adherence.
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 | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».