Hepatitis C elimination among people who inject drugs: Challenges and recommendations for action within a health systems framework
Notice bibliographique
Résumé
The burden of hepatitis C infection is considerable among people who inject drugs (PWID), with an estimated prevalence of 39%, representing an estimated 6.1 million people who have recently injected drugs living with hepatitis C infection. As such, PWID are a priority population for enhancing prevention, testing, linkage to care, treatment and follow-up care in order to meet World Health Organization (WHO) hepatitis C elimination goals by 2030. There are many barriers to enhancing hepatitis C prevention and care among PWID including poor global coverage of harm reduction services, restrictive drug policies and criminalization of drug use, poor access to health services, low hepatitis C testing, linkage to care and treatment, restrictions for accessing DAA therapy, and the lack of national strategies and government investment to support WHO elimination goals. On 5 September 2017, the International Network of Hepatitis in Substance Users (INHSU) held a roundtable panel of international experts to discuss remaining challenges and future priorities for action from a health systems perspective. The WHO health systems framework comprises six core components: service delivery, health workforce, health information systems, medical procurement, health systems financing, and leadership and governance. Communication has been proposed as a seventh key element which promotes the central role of affected community engagement. This review paper presents recommended strategies for eliminating hepatitis C as a major public health threat among PWID and outlines future priorities for action within a health systems framework.
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 | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».