The Epidemiologic and Economic Impact of Improving HIV Testing, Linkage, and Retention in Care in the United States
Notice bibliographique
Résumé
BACKGROUND: Recent guidelines advocate early antiretroviral therapy (ART) to decrease human immunodeficiency virus (HIV) morbidity and prevent transmission, but suboptimal engagement in care may compromise impact. We sought to determine the economic and epidemiologic impact of incomplete engagement in HIV care in the United States. METHODS: We constructed a dynamic transmission model of HIV among US adults (aged 15-65 years) and conducted a cost-effectiveness analysis of improvements along the HIV care continuum : We evaluated enhanced HIV testing (annual for high-risk groups), increased 3-month linkage to care (to 90%), and improved retention (50% relative reduction in yearly disengagement and 50% increase in reengagement). Our primary outcomes were HIV incidence, mortality, costs and quality-adjusted life-years (QALYs). RESULTS: Despite early ART initiation, a projected 1.39 million (95% uncertainty range [UR], 0.91-2.2 million) new HIV infections will occur at a (discounted) cost of $256 billion ($199-298 billion) over 2 decades at existing levels of HIV care engagement. Enhanced testing with increased linkage has modest epidemiologic benefits and could reduce incident HIV infections by 21% (95% UR, 13%-26%) at a cost of $65 700 per QALY gained ($44 500-111 000). By contrast, comprehensive improvements that couples enhanced testing and linkage with improved retention would reduce HIV incidence by 54% (95% UR, 37%-68%) and mortality rate by 64% (46%-78%), at a cost-effectiveness ratio of $45 300 per QALY gained ($27 800-72 300). CONCLUSIONS: Failure to improve engagement in HIV care in the United States leads to excess infections, treatment costs, and deaths. Interventions that improve not just HIV screening but also retention in care are needed to optimize epidemiologic impact and cost-effectiveness.
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 | 0,015 |
| 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 | 0,000 | 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 ».