Comparison of subjective and objective adherence measures for preexposure prophylaxis against HIV infection among serodiscordant couples in East Africa
Notice bibliographique
Résumé
BACKGROUND: Preexposure prophylaxis (PrEP) efficacy is highly dependent on adherence. Yet, it is unclear which adherence measures perform best for PrEP. METHODS: We compared three types of self-reported adherence questions (rating of ability to adhere, frequency of doses taken, percentage of doses taken) and three forms of objective adherence measurement [unannounced pill counts (UPC), electronic monitoring, plasma tenofovir levels] using data from an ancillary adherence study within a clinical trial of PrEP among East African serodiscordant couples (Partners PrEP Study). Monthly measures were assessed for the first 6 months of follow-up. RESULTS: One thousand, one hundred and forty-seven participants contributed 6048 person-months of data to this analysis. Median adherence was high: self-reported rating (90%), self-reported frequency (93%), and self-reported percentage (97%); UPC (99%); and electronic monitoring (97%). Prevalence of steady-state daily dosing (SSDD; ≥40 ng/ml) was 74% in a random subset of tenofovir samples obtained from 365 participants. Discrimination of SSDD versus less than SSDD levels was poor for self-reported rating [area under the receiver-operating curve (AROC) 0.54], self-reported frequency (AROC 0.52), self-reported percentage (AROC 0.56) and UPC (AROC 0.58), but moderate for electronic monitoring (AROC 0.70). Correlation was moderate among self-reported measures, adherence (0.61-0.66), but low for these self-reported measures compared with UPC (0.32-0.36) and with electronic monitoring (0.22-0.28). CONCLUSION: Electronic monitoring was the only adherence measure with meaningful ability to discriminate between SSDD and less than SSDD plasma tenofovir levels. Correlation between subjective and objective measures was poor. Future research should explore novel approaches to adherence measurement as PrEP moves into demonstration projects and programmatic implementation.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».