MétaCan
Menu
Retour à la cohorte
Enregistrement W3036983201 · doi:10.2196/14739

mHealth Interventions to Promote Anti-Retroviral Adherence in HIV: Narrative Review

2020· review· en· W3036983201 sur OpenAlexaffvenue
Stephen Lee, Joanne Valerius

Notice bibliographique

RevueJMIR mhealth and uhealth · 2020
Typereview
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésmHealthPsychological interventionViral loadMedicineFamily medicineHuman immunodeficiency virus (HIV)Nursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Antiretrovirals (ARVs) are key in the management of HIV. Although no cure exists, ARVs help patients live healthy lives and prevent transmission to others. Adherence to complex regimens is paramount to outcomes and in avoiding the emergence of drug-resistant viruses. The goal of therapy is to reach an undetectable viral load. However, adherence is a common problem, stemming from issues such as mental health, chaotic home situations, and busy work schedules. Mobile health (mHealth) represents a new approach in improving medication adherence, and multiple studies have been performed in this area. OBJECTIVE: This study aims to review the current implementation of mHealth in the management of HIV among different groups of patients. METHODS: We used PubMed, Academic Search Elite, and 1 journal database with various search terms to review the current implementation of mHealth in HIV care. RESULTS: Titles and abstracts were screened, and 61 papers were identified and fully reviewed. The literature was divided into lower- and higher-income nations, as defined by the United Nations. A total of 20 studies with quantitative results were identified, with 10 being text- and SMS-based interventions (the majority of these being in lower-income countries) and 8 being smartphone-based apps (primarily in higher-income countries). The majority of these studies determined whether there was an effect on adherence or biochemical parameters (viral load and CD4 count). Various qualitative studies have also been conducted, and many have focused on determining the specific design of interventions that were successful (frequency of messaging, types of messages, etc) as well as priorities for patients with regard to mHealth interventions. CONCLUSIONS: There seems to be a role of mHealth in the management of HIV in lower-income nations; however, the optimal design of an intervention needs to be delineated. In higher-income countries, where the 2 significant risk factors were injection drugs and men who have sex with men, the benefit was less clear, and more research is needed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,751
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,006
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,208
Tête enseignante GPT0,559
Écart entre enseignants0,351 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations40
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207