Changes in rapid HIV treatment initiation after national “treat all” policy adoption in 6 sub-Saharan African countries: Regression discontinuity analysis
Notice bibliographique
Résumé
BACKGROUND: Most countries have formally adopted the World Health Organization's 2015 recommendation of universal HIV treatment ("treat all"). However, there are few rigorous assessments of the real-world impact of treat all policies on antiretroviral treatment (ART) uptake across different contexts. METHODS AND FINDINGS: We used longitudinal data for 814,603 patients enrolling in HIV care between 1 January 2004 and 10 July 2018 in 6 countries participating in the global International epidemiology Databases to Evaluate AIDS (IeDEA) consortium: Burundi (N = 11,176), Kenya (N = 179,941), Malawi (N = 84,558), Rwanda (N = 17,396), Uganda (N = 96,286), and Zambia (N = 425,246). Using a quasi-experimental regression discontinuity design, we assessed the change in the proportion initiating ART within 30 days of enrollment in HIV care (rapid ART initiation) after country-level adoption of the treat all policy. A modified Poisson model was used to identify factors associated with failure to initiate ART rapidly under treat all. In each of the 6 countries, over 60% of included patients were female, and median age at enrollment ranged from 32 to 36 years. In all countries studied, national adoption of treat all was associated with large increases in rapid ART initiation. Significant increases in rapid ART initiation immediately after treat all policy adoption were observed in Rwanda, from 44.4% to 78.9% of patients (34.5 percentage points [pp], 95% CI 27.2 to 41.7; p < 0.001), Kenya (25.7 pp, 95% CI 21.8 to 29.5; p < 0.001), Burundi (17.7 pp, 95% CI 6.5 to 28.9; p = 0.002), and Malawi (12.5 pp, 95% CI 7.5 to 17.5; p < 0.001), while no immediate increase was observed in Zambia (0.4 pp, 95% CI -2.9 to 3.8; p = 0.804) and Uganda (-4.2 pp, 95% CI -9.0 to 0.7; p = 0.090). The rate of rapid ART initiation accelerated sharply following treat all policy adoption in Malawi, Uganda, and Zambia; slowed in Kenya; and did not change in Rwanda and Burundi. In post hoc analyses restricted to patients enrolling under treat all, young adults (16-24 years) and men were at increased risk of not rapidly initiating ART (compared to older patients and women, respectively). However, rapid ART initiation following enrollment increased for all groups as more time elapsed since treat all policy adoption. Study limitations include incomplete data on potential ART eligibility criteria, such as clinical status, pregnancy, and enrollment CD4 count, which precluded the assessment of rapid ART initiation specifically among patients known to be eligible for ART before treat all. CONCLUSIONS: Our analysis indicates that adoption of treat all policies had a strong effect on increasing rates of rapid ART initiation, and that these increases followed different trajectories across the 6 countries. Young adults and men still require additional attention to further improve rapid ART initiation.
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 | 0,024 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».