MétaCan
Menu
Retour à la cohorte
Enregistrement W2955777027 · doi:10.1377/hlthaff.2018.05391

Twenty Years Of Antiretroviral Therapy For People Living With HIV: Global Costs, Health Achievements, Economic Benefits

2019· article· en· W2955777027 sur OpenAlexaff
Steven Forsythe, William Paul McGreevey, Alan Whiteside, Maunank Shah, Joshua Cohen, Robert Hecht, Lori Bollinger, Anthony Kinghorn

Notice bibliographique

RevueHealth Affairs · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV/AIDS Research and Interventions
Établissements canadiensWilfrid Laurier UniversityCentre for International Governance Innovation
Organismes subventionnairesnon disponible
Mots-clésAntiretroviral therapyMedicineGlobal healthHuman immunodeficiency virus (HIV)Economic growthAntiretroviral treatmentDeveloping countryEnvironmental healthScale (ratio)GerontologyPublic healthGeographyFamily medicineEconomicsViral loadNursing

Résumé

récupéré en direct d'OpenAlex

Since the introduction of azidothymidine in 1987, significant improvements in treatment for people living with HIV have yielded substantial improvements in global health as a result of the unique benefits of antiretroviral therapy (ART). ART averted 9.5 million deaths worldwide in 1995-2015, with global economic benefits of $1.05 trillion. For every $1 spent on ART, $3.50 in benefits accrued globally. If treatment scale-up achieves the global 90-90-90 targets of the Joint United Nations Programme on HIV/AIDS, a total of 34.9 million deaths are projected to be averted between 1995 and 2030. Approximately 40.2 million new HIV infections could also be averted by ART, and economic gains could reach $4.02 trillion in 2030. Having provided ART to 19.5 million people represents a major human achievement. However, 15.2 million infected people are currently not receiving treatment, which represents a significant lost opportunity. Further treatment scale-up could yield even greater health and economic benefits.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0140,003

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,329
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations119
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth AffairsMême sujetHIV/AIDS Research and InterventionsTravaux en français237 207