Growth in Proportion and Disparities of HIV PrEP Use Among Key Populations Identified in the United States National Goals: Systematic Review and Meta-analysis of Published Surveys
Notice bibliographique
Résumé
BACKGROUND: Pre-exposure prophylaxis (PrEP) use among populations most vulnerable to HIV as identified in the national HIV prevention goals is not fully known. This systematic review assessed trends of lifetime self-reported PrEP use and disparities among key populations. METHODS: We used the CDC HIV/AIDS Prevention Research Synthesis cumulative database of electronic and manual searches in MEDLINE, CINAHL, EMBASE, and PsycINFO from 2000 to 2019 to identify English-language primary studies reporting PrEP use. Two reviewers independently screened citations, extracted data, and assessed the risk of bias with the modified Newcastle-Ottawa Scale. We estimated pooled proportions and crude/adjusted odds ratio. RESULTS: We identified 95 eligible studies including 95,854 US-based survey respondents. A few studies (6.3%) focused on persons who inject drugs. In 2015-2017, men who have sex with men (MSM) had highest proportion of individuals who used PrEP over their lifetime [13.9% (95% confidence interval: 8.8 to 21.1), k (number of surveys) = 49] followed by Hispanic/Latinos [11.5 (7.1 to 18.1), 12], transgender women [11.2 (5.8 to 20.6), 5], and blacks [9.9 (8.3 to 11.8), 18]. Odds of PrEP use increased by 34%/year [odds ratio = 1.34/year (95% confidence interval: 1.09 to 1.64)] and significantly increased over time among MSM [1.53/year (1.21-1.93)] and blacks [1.44 (1.13-1.83)]. People in the Southern United States [9.9 (4.7-19.7), 8] and youth [7.3 (4.7-11.2), 8] had lower rates and did not demonstrate growth [0.94 (0.29-3.18); 0.82 (0.43-1.55)]. Odds of reporting lifetime PrEP use was twice [2.07 (1.27-3.38)] as great among MSM than non-MSM. CONCLUSIONS: Proportions of PrEP use in published surveys have been growing, but remain low for people in the Southern United States and youth, and understudied in persons who inject drugs. Limitations include few studies in certain years, whereas strengths include a large number of respondents. Culturally tailored approaches targeting vulnerable populations are essential in increasing PrEP use to reduce disparities in HIV acquisition.
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 | 0,011 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,004 | 0,006 |
| 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 ».