Prevalence, determinants, and impact of suboptimal adherence to HIV medication in 25 countries
Notice bibliographique
Résumé
Modern antiretroviral therapy (ART) has improved the lives of people living with HIV (PLHIV) but currently requires daily adherence. We assessed prevalence and correlates of suboptimal adherence, and measured associations with self-reported health outcomes. Data were from web-based surveys of confirmed HIV+ adults on antiretroviral treatment within 25 countries during 2019 (n = 2389). Suboptimal adherence was a report of ≥1 reason for missing ART ≥5 times within the past month. Multivariable logistic regression examined associations between suboptimal adherence and self-reported overall health and virologic suppression. Overall, 24.1% (575/2389) reported suboptimal adherence, from 10.0% (5/50) in Austria, to 62.0% (31/50) in China. The most common reasons for missing ART ≥5 times in the overall population were feeling depressed/overwhelmed (7.4%, 176/2389), trying to forget about HIV (7.0%, 168/2389), and work (6.1%, 145/2389). Correlates of suboptimal adherence included being heterosexual, <50 years old, ≤high school, having gastrointestinal treatment side effects, and privacy concerns. Odds of suboptimal overall health were 1.41 (95%CI, 1.11-1.80), 2.10 (95%CI, 1.65-2.68), and 2.55 (95%CI, 2.00-3.25) among those who reported the maximum number of times missed ART for any reason within the past month as 1, 2-4, or ≥5 times respectively, vs not missing at all. Odds of virologic nonsuppression were 1.80 (95%CI, 1.33-2.45), and 2.24 (95%CI, 1.66-3.02) for 2-4, or ≥5 times of missed ART respectively, vs not missing at all; missing for only 1 time was not significantly associated with virologic nonsuppression. Novel ART strategies designed to improve adherence along with interventions to empower PLHIV and support self-medication may improve health outcomes and quality of life.
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 | 0,000 | 0,002 |
| 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) | 0,002 | 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 ».