Comparison of the predictive performance of adherence measures for virologic failure detection in people living with HIV: a systematic review and pairwise meta-analysis
Notice bibliographique
Résumé
A critical feature of an adherence assessment tool is its ability to predict virologic failure in people living with HIV (PLHIV). We, therefore, aimed to compare the predictive performance of commonly used adherence measures. We systematically searched MEDLINE, Embase and LILACS up to February 2018, to identify relevant observational studies comparing the effects of any two of the following adherence measurements on virologic outcomes: electronic monitoring, pill count, pharmacy refill, self-report and physician assessment. We analyzed data by pairwise meta-analyzes with a random-effects model. The proportion of virologic failures among non-adherent participants in each adherence measure was used to calculate the odds ratio (OR), with 95% Confidence Intervals (95%CI). Heterogeneity was assessed, with potential causes identified by sensitivity and subgroup analysis. We included 38 studies with individual patient data for 18,010 patients. All possible comparisons between pairs of the five adherence measures were considered and a total of nine comparison groups could be established. Meta-analysis suggested that self-report was a better predictor of virologic failure than pill count when the recall period was within one week (OR: 2.35, 95%CI: 1.07-5.18, p = 0.03). Physician assessment had higher odds of predicting virologic failure than did either self-report (OR: 2.63, 95%CI: 1.37-5.26, p < 0.01) or pharmacy refill (OR: 3.57, 95%CI: 1.69-7.14, p < 0.001). There was no difference in the predictive performance between any of the other measures that we were able to compare (p > 0.05). The combination of multiple measures did not increase the predictive value when compared to any of the measures alone. Low-cost and simple adherence measures such as self-report predict virologic failure better than or equally well as objective measures. Our results suggest that there is no need to use expensive or time-consuming adherence measures when the objective is to identify PLHIV at risk of treatment failure.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».