Beyond Risk Compensation: Clusters of Antiretroviral Treatment (ART) Users in Sexual Networks Can Modify the Impact of ART on HIV Incidence
Notice bibliographique
Résumé
INTRODUCTION: Concerns about risk compensation-increased risk behaviours in response to a perception of reduced HIV transmission risk-after the initiation of ART have largely been dispelled in empirical studies, but other changes in sexual networking patterns may still modify the effects of ART on HIV incidence. METHODS: We developed an exploratory mathematical model of HIV transmission that incorporates the possibility of ART clusters, i.e. subsets of the sexual network in which the density of ART patients is much higher than in the rest of the network. Such clusters may emerge as a result of ART homophily-a tendency for ART patients to preferentially form and maintain relationships with other ART patients. We assessed whether ART clusters may affect the impact of ART on HIV incidence, and how the influence of this effect-modifying variable depends on contextual variables such as HIV prevalence, HIV serosorting, coverage of HIV testing and ART, and adherence to ART. RESULTS: ART homophily can modify the impact of ART on HIV incidence in both directions. In concentrated epidemics and generalized epidemics with moderate HIV prevalence (≈ 10%), ART clusters can enhance the impact of ART on HIV incidence, especially when adherence to ART is poor. In hyperendemic settings (≈ 35% HIV prevalence), ART clusters can reduce the impact of ART on HIV incidence when adherence to ART is high but few people living with HIV (PLWH) have been diagnosed. In all contexts, the effects of ART clusters on HIV epidemic dynamics are distinct from those of HIV serosorting. CONCLUSIONS: Depending on the programmatic and epidemiological context, ART clusters may enhance or reduce the impact of ART on HIV incidence, in contrast to serosorting, which always leads to a lower impact of ART on HIV incidence. ART homophily and the emergence of ART clusters should be measured empirically and incorporated into more refined models used to plan and evaluate ART programmes.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».