Hepatitis C Virus Infection Epidemiology among People Who Inject Drugs in Europe: A Systematic Review of Data for Scaling Up Treatment and Prevention
Notice bibliographique
Résumé
BACKGROUND: People who inject drugs (PWID) are a key population affected by hepatitis C virus (HCV). Treatment options are improving and may enhance prevention; however access for PWID may be poor. The availability in the literature of information on seven main topic areas (incidence, chronicity, genotypes, HIV co-infection, diagnosis and treatment uptake, and burden of disease) to guide HCV treatment and prevention scale-up for PWID in the 27 countries of the European Union is systematically reviewed. METHODS AND FINDINGS: We searched MEDLINE, EMBASE and Cochrane Library for publications between 1 January 2000 and 31 December 2012, with a search strategy of general keywords regarding viral hepatitis, substance abuse and geographic scope, as well as topic-specific keywords. Additional articles were found through structured email consultations with a large European expert network. Data availability was highly variable and important limitations existed in comparability and representativeness. Nine of 27 countries had data on HCV incidence among PWID, which was often high (2.7-66/100 person-years, median 13, Interquartile range (IQR) 8.7-28). Most common HCV genotypes were G1 and G3; however, G4 may be increasing, while the proportion of traditionally 'difficult to treat' genotypes (G1+G4) showed large variation (median 53, IQR 43-62). Twelve countries reported on HCV chronicity (median 72, IQR 64-81) and 22 on HIV prevalence in HCV-infected PWID (median 3.9%, IQR 0.2-28). Undiagnosed infection, assessed in five countries, was high (median 49%, IQR 38-64), while of those diagnosed, the proportion entering treatment was low (median 9.5%, IQR 3.5-15). Burden of disease, where assessed, was high and will rise in the next decade. CONCLUSION: Key data on HCV epidemiology, care and disease burden among PWID in Europe are sparse but suggest many undiagnosed infections and poor treatment uptake. Stronger efforts are needed to improve data availability to guide an increase in HCV treatment among PWID.
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 | 0,015 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,007 |
| Bibliométrie | 0,022 | 0,022 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».