Comparison of adherence measurement tools used in a pre-exposure prophylaxis demonstration study among female sex workers in Benin
Notice bibliographique
Résumé
BACKGROUND: Measuring adherence to PrEP (pre-exposure prophylaxis) remains challenging. Biological adherence measurements are reported to be more accurate than self-reports and pill counts but can be expensive and not suitable on a daily basis in resource-limited countries. Using data from a demonstration project on PrEP among female sex workers in Benin, we aimed to measure adherence to PrEP and compare self-report and pill count adherence to tenofovir (TFV) disoproxil fumarate (TDF) concentration in plasma to determine if these 2 measures are reliable and correlate well with biological adherence measurements. METHODS: Plasma TFV concentrations were analyzed in samples collected at day 14 follow-up visit and months 6, 12, 18, and 24 (or at last visit when follow-up was shorter). Self-reported adherence was captured at day 14 follow-up visit and then quarterly by asking participants to report the number of missed pills within the last week. For pill count, medications were refilled monthly and participants were asked to bring in their medication bottles at each follow-up visit. Using generalized estimating equations adherence measured by self-report and pill count was compared to plasma drug concentrations. RESULTS: Of 255 participants, 47.1% completed follow-up. Weighted optimal adherence combining data from all visits was 26.8% for TFV concentration, 56.0% by self-report and 18.9% by pill count. Adherence measured by both TFV concentrations and self-report decreased over time (P = .009 and P = .019, respectively), while the decreasing trend in adherence by pill count was not significant (P = .087). The decrease in adherence was greater using TFV concentrations than the other 2 adherence measures. CONCLUSION: With high levels of misreporting of adherence using self-report and pill count, the objective biomedical assessment of adherence via laboratory testing is optimal and more accurately reflects PrEP uptake and persistence. Alternative inexpensive and accurate approaches to monitor PrEP adherence should be investigated.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».