HIV pre‐exposure prophylaxis for people who inject drugs: a review of current results and an agenda for future research
Notice bibliographique
Résumé
INTRODUCTION: Studies examining the use of pre-exposure prophylaxis (PrEP) to prevent HIV transmission among people who inject drugs (PWIDs) have not been adequately summarized. Recently, the Bangkok Tenofovir Study has shown that PrEP may be effective at reducing new HIV infections among this high-risk group. This randomized controlled trial was the first study to specifically examine the efficacy of PrEP among PWIDs. In this review, we present the current state of evidence regarding the use of PrEP to prevent HIV infection in PWID populations, and set an agenda for future research to inform the most effective implementation of PrEP in the context of existing evidence-based HIV prevention strategies. DISCUSSION: Despite positive trial results confirming that PrEP may prevent HIV transmission among PWIDs, there remain many questions regarding the interpretation of these results, as well as obstacles to the implementation of PrEP regimens within highly diverse drug-using communities. Aside from the Bangkok Tenofovir Study, we identified only one other published study that has collected empirical data to inform the use of PrEP among PWIDs. The large gap in research regarding the use and implementation of PrEP for PWIDs signals the need for further research and attention. CONCLUSIONS: We recommend that future research efforts focus on elucidating the generalizability of the Bangkok Tenofovir Study results in other injection drug-using populations, examining the willingness of PWIDs to use PrEP in diverse contexts, identifying barriers to adherence to PrEP regimens and determining the most effective ways to implement PrEP programmes within the context of existing evidence-based prevention strategies, including opioid substitution therapy and needle and syringe distribution programmes.
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 | 0,008 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».