The population impact of eliminating homelessness on HIV viral suppression among people who use drugs
Notice bibliographique
Résumé
OBJECTIVE: We sought to estimate the change in viral suppression prevalence if homelessness were eliminated from a population of HIV-infected people who use drugs. DESIGN: Community-recruited prospective cohort of HIV-infected people who use drugs in Vancouver, Canada. Behavioural information was collected at baseline and linked to a province-wide HIV/AIDS treatment database. The primary outcome was viral suppression (<50 copies/ml) measured during subsequent routine clinical care. METHODS: We employed an imputation-based marginal modelling approach. First, we used modified Poisson regression to estimate the relationship between homelessness and viral suppression (adjusting for sociodemographics, substance use, addiction treatment, and other confounders). Then, we imputed an outcome probability for each individual while manipulating the exposure (homelessness). Population viral suppression prevalence under realized and 'housed' scenarios were obtained by averaging these probabilities across the study population. Bootstrapping was conducted to calculate 95% confidence limits. RESULTS: Of 706 individuals interviewed between January 2005 and December 2013, the majority were men (66.0%), of white race/ethnicity (55.1%), and had a history of injection drug use (93.6%). At first study visit, 223 (31.6%) reported recent homelessness, and 37.8% were subsequently identified as virally suppressed. Adjusted marginal models estimated a 15.1% relative increase [95% confidence interval (CI) 9.0-21.7%) in viral suppression in the entire population - to 43.5% (95% CI 39.4-48.2%) - if all homeless individuals were housed. Among those homeless, eliminating this exposure would increase viral suppression from 22.0 to 40.1% (95% CI 35.1-46.1%), an 82.3% relative increase. CONCLUSION: Interventions to house homeless, HIV-positive individuals who use drugs could significantly increase population viral suppression. Such interventions should be implemented as a part of renewed HIV/AIDS prevention and treatment efforts.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».