A Mobile Application to Collect Daily Data on Preexposure Prophylaxis Adherence and Sexual Behavior Among Men Who Have Sex With Men: Use Over Time and Comparability With Conventional Data Collection
Notice bibliographique
Résumé
BACKGROUND: We studied the use of a mobile application (app) to measure human immunodeficiency virus (HIV) preexposure prophylaxis (PrEP) adherence and sexual behavior, assessed determinants of app use, and we compared data in app and questionnaires. METHODS: Men who have sex with men participating in the Amsterdam PrEP project (AMPrEP) on daily or event-driven PrEP at the Public Health Service of Amsterdam completed the data on sexual risk behavior and PrEP adherence through a standard questionnaire every 3 months and on a daily basis using the project's app. Regression analyses were used to assess factors associated with app use. Among those who reported 90% or greater of data in the app, the number of PrEP pills taken and number of unknown casual sex partners were compared between the app and the questionnaires by Wilcoxon signed-rank test. RESULTS: Of all participants (n = 374), 94% (352 of 374) reported data in the app at least once; 72% (261 of 362) reported data ≥90% of the days in the sixth month and 62% (222 of 359) in the 12th month following PrEP initiation.Factors associated with reporting data in the app were using daily PrEP and recent initiation of PrEP. The reported numbers of pills taken and unknown sexual partners were comparable between app and questionnaires. CONCLUSIONS: The AMPrEP app was used frequently, especially by those using a daily PrEP regimen. Data collected by app regarding adherence and sexual risk behavior were consistent with questionnaire data among those who used the app consistently. An app is a promising tool to measure PrEP adherence and sexual risk behavior.
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 | 0,001 |
| 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 ».