Systematic review of HIV treatment adherence research among people who inject drugs in the United States and Canada: evidence to inform pre-exposure prophylaxis (PrEP) adherence interventions
Notice bibliographique
Résumé
BACKGROUND: People who inject drugs (PWID) are at increased risk for HIV acquisition and could benefit from antiretroviral pre-exposure prophylaxis (PrEP). However, PrEP has been underutilized in this population, and PrEP adherence intervention needs are understudied. METHODS: To inform PrEP intervention development, we reviewed evidence on antiretroviral therapy (ART) adherence among HIV-infected PWID. Guided by a behavioral model of healthcare utilization and using the PICOS framework, we conducted a systematic review in four electronic databases to identify original research studies of ART adherence in HIV-infected PWID in the United States and Canada between Jan 1, 2006-Dec 31, 2016. We synthesized and interpreted findings related to developing recommendations for PrEP adherence interventions for PWID. RESULTS: After excluding 618 duplicates and screening 1049 unique records, we retained 20 studies of PWID (mean n = 465) with adherence-related outcomes (via pharmacy records: n = 9; self-report: n = 8; biological markers: n = 5; electronic monitoring: n = 2). Predisposing factors (patient-level barriers to adherence) included younger age, female sex, and structural vulnerability (e.g., incarceration, homelessness). Enabling resources (i.e., facilitators) that could be leveraged or promoted by interventions included self-efficacy, substance use treatment, and high-quality patient-provider relationships. Competing needs that require specific intervention strategies or adaptations included markers of poor physical health, mental health comorbidities (e.g., depression), and engagement in transactional sex. CONCLUSIONS: HIV treatment adherence research carries important lessons for efforts to optimize PrEP adherence among PWID. Despite limitations, this systematic review suggests that strategies are needed to engage highly vulnerable and marginalized sub-groups of this underserved population (e.g., younger PWID, women who inject drugs) in PrEP adherence-related research and programming.
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 | 0,012 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».