Pre-exposure prophylaxis uptake among users of non-occupational post-exposure prophylaxis: a longitudinal analysis of attendees at a large sexual health clinic in Montréal
Notice bibliographique
Résumé
Abstract Background Reducing HIV transmission using pre-exposure prophylaxis (PrEP) requires targeting individuals at high acquisition risk, such as men who have sex with men (MSM) with a history of non-occupational post-exposure prophylaxis (nPEP). This study aims to characterize longitudinal trends in PrEP uptake and its determinants among nPEP users in Montréal. Methods Eligible attendees at Clinique médicale l’Actuel were recruited prospectively starting in October 2000 (nPEP) and January 2013 (PrEP). Linking these cohorts, we characterized the PEP-to-PrEP cascade, examined the determinants of PrEP uptake after nPEP consultation using a Cox proportional-hazard model, and assessed whether PrEP persistence differed by nPEP history using Kaplan-Meier curves. Results As of August 2019, 31% of 2,682 MSM nPEP cohort participants had two or more nPEP consultations. Subsequent PrEP consultations occurred among 36% of nPEP users, of which 17% sought nPEP again afterwards. Among 2,718 PrEP cohort participants, 46% reported previous nPEP use. Among nPEP users, those aged 25-49 years (Hazard Ratio (HR)=1.3, 95% confidence interval (CI): 1.1-1.7), with more nPEP episodes (HR=1.4, 95%CI: 1.3-1.5), reported chemsex (HR=1.3, 95%CI: 1.1-1.7), with a STI history (HR=1.5; 95%CI: 1.3-1.7), and who returned for their first nPEP follow-up visit (HR=3.4, 95%CI: 2.7-4.2) had higher rates of PrEP linkage. There was no difference in PrEP persistence between PEP-to-PrEP and PrEP only participants. Conclusion Over one-third of nPEP users were subsequently prescribed PrEP. However, the large proportion of men who repeatedly use nPEP calls for more efficient PrEP-linkage services and, among those that use PrEP, improved persistence should be encouraged.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».