Defining self-reported and prescription measures of adherence to ART: multi-cohort analysis
Notice bibliographique
Résumé
Background: Early identification of poor adherers to ART could facilitate interventions to prevent treatment failure. However, cohorts collect adherence data in diverse ways and defining levels of adherence is not straightforward. We examined how different measures may be used to identify those at risk of viral failure.<br/><br/>Methods: 6/19 cohorts collaborating in the ART Cohort Collaboration (ART-CC) contributed adherence data: 3 from prescription refills (3 North American cohorts) and 3 from self-report questionnaires (2 European, 1 North American cohort). For prescription data, we derived 1-year percentage adherence and viral suppression (≤500 copies/ml) using the viral load closest to the 1 year time point. For self-report data, we derived percentage adherence in the last 28 days and viral suppression using the closest viral load measure after but within 6 months of the questionnaire. We plotted Receiver Operating Characteristic (ROC) curves to assess discrimination of percentage adherence for diagnosing viral suppression, and estimated the area under the ROC curve (AUROC): 0.5 corresponds to no and 1 to perfect discrimination.<br/><br/>Results: Adherence and viral load data were available from 13276 patients: 9591 and 3685 with prescription and self-report data respectively. Greater proportions of patients were virally suppressed and had ≥95% adherence in cohorts with self-report compared with prescription data. AUROCs varied from 0.56 to 0.85 between cohorts and were systematically higher in cohorts with prescription data, likely due to the categorical rather than continuous nature of the self-report data. <br/><br/>Conclusions: Cohorts were heterogeneous in terms of viral suppression and adherence. Prescription and self-report data measure different aspects of adherence. Self-report items may provide a better snapshot of current adherence enabling identification of inadequate adherence before viral loads begin to climb. This real-time reporting advantage of self-report questionnaires may constitute an intervention which may explain the apparent lower discriminatory power compared with prescription data.<br/>
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 | 0,001 | 0,002 |
| 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 ».