Hepatitis C elimination among people who inject drugs: Challenges and recommendations for action within a health systems framework
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 découle