The causal effect of opioid substitution treatment on HAART medication refill adherence
Notice bibliographique
Résumé
BACKGROUND: People who inject drugs (PWID) account for roughly 13% of the prevalent HIV/AIDS population outside of sub-Saharan Africa, and access to opioid substitution treatment (OST) is limited in many settings globally. OST likely facilitates access to HAART, yet sparse evidence is available to support this hypothesis. Our objective was to determine the causal impact of OST exposure on HAART adherence among HIV-positive PWID in a Canadian setting. METHODS: We executed a retrospective cohort study using linked population-level data for British Columbia, Canada (January 1996-March 2010). We considered HIV-positive PWID after meeting HAART initiation criteria. A marginal structural model was estimated on a monthly timescale using inverse probability of treatment weights. The primary outcome was 95% HAART adherence, according to pharmacy refill compliance. Exposure to OST was defined as 95% of OST receipt, and we controlled for a range of fixed and time-varying covariates. RESULTS: Our study included 1852 (63.3%) HIV-positive PWID with a median follow-up of 5.5 years; 34% were female and 39% had previously accessed OST. The baseline covariate-adjusted odds of HAART adherence following OST exposure was 1.96 (95% confidence interval: 1.72-2.24), although the adjusted odds estimated within the marginal structural model was 1.68 (1.48-1.92). Findings were robust to sensitivity analyses on model specification. CONCLUSION: In a setting characterized by universal healthcare and widespread access to both office-based OST and HAART, OST substantially increased the odds of HAART adherence. This underlines the need to address barriers to OST globally to reduce the disease burden of both opioid dependence and HIV/AIDS.
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 | 0,001 |
| 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 | 0,001 | 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 ».