The continuum of HIV care in South Africa
Notice bibliographique
Résumé
BACKGROUND: We characterize engagement with HIV care in South Africa in 2012 to identify areas for improvement towards achieving global 90-90-90 targets. METHODS: Over 3.9 million CD4 cell count and 2.7 million viral load measurements reported in 2012 in the public sector were extracted from the national laboratory electronic database. The number of persons living with HIV (PLHIV), number and proportion in HIV care, on antiretroviral therapy (ART) and with viral suppression (viral load <400 copies/ml) were estimated and stratified by sex and age group. Modified Poisson regression approach was used to examine associations between sex, age group and viral suppression among persons on ART. RESULTS: We estimate that among 6511 000 PLHIV in South Africa in 2012, 3300 000 individuals (50.7%) accessed care and 32.9% received ART. Although viral suppression was 73.7% among the treated population in 2012, the overall percentage of persons with viral suppression among all PLHIV was 23.8%. Linkage to HIV care was lower among men (38.5%) than among women (57.2%). Overall, 47.1% of those aged 0-14 years and 47.0% of those aged 15-49 years were linked to care compared with 56.2% among those aged above 50 years. CONCLUSION: Around a quarter of all PLHIV have achieved viral suppression in South Africa. Men and younger persons have poorer linkage to HIV care. Expanding HIV testing, strengthening prompt linkage to care and further expansion of ART are needed for South Africa to reach the 90-90-90 target. Focus on these areas will reduce the transmission of new HIV infections and mortality in the general population.
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 | 0,000 | 0,000 |
| 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 ».