Predicting the impact of clustered risk and testing behaviour patterns on the population-level effectiveness of pre-exposure prophylaxis against HIV among gay, bisexual and other men who have sex with men in Greater Vancouver, Canada
Notice bibliographique
Résumé
Pre-exposure prophylaxis (PrEP) has the potential to greatly reduce transmission of HIV. However, significant questions remain around how behavioural factors may influence its impact within target populations. We used a 2014 sexual behaviour survey to modify and recalibrate a mathematical model of HIV infection dynamics within the population of gay, bisexual and other men who have sex with men (GBMSM) in the Greater Vancouver area of British Columbia, Canada. We performed a clustering analysis on the survey data to divide the population into categories associated with their reported risk of HIV exposure as well as their reported testing habits and attitudes towards PrEP. We found a positive association between reported risk and testing behaviour and level of awareness/interest in PrEP. Using the cluster groups to structure the population, we then estimated the impact of PrEP on HIV transmission in our study population. We found that the association between behaviour and interest in PrEP substantially boosted the population-level effectiveness of PrEP. Within our model, if PrEP adoption was unrelated to risk and testing, an additional 206 (95% credible interval 5-261), new infections representing 15% of total infections are predicted to occur among GBMSM over ten years, compared to where PrEP is adopted by individuals according to their level of interest. Our results underscore the importance of incorporating behavioural data into models when predicting the impact of future public health interventions.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».