Ending the HIV Epidemic Among Persons Who Inject Drugs: A Cost-Effectiveness Analysis in Six US Cities
Notice bibliographique
Résumé
BACKGROUND: Persons who inject drugs (PWID) are at a disproportionately high risk of HIV infection. We aimed to determine the highest-valued combination implementation strategies to reduce the burden of HIV among PWID in 6 US cities. METHODS: Using a dynamic HIV transmission model calibrated for Atlanta, Baltimore, Los Angeles, Miami, New York City, and Seattle, we assessed the value of implementing combinations of evidence-based interventions at optimistic (drawn from best available evidence) or ideal (90% coverage) scale-up. We estimated reduction in HIV incidence among PWID, quality-adjusted life-years (QALYs), and incremental cost-effectiveness ratios (ICERs) for each city (10-year implementation; 20-year horizon; 2018 $ US). RESULTS: Combinations that maximized health benefits contained between 6 (Atlanta and Seattle) and 12 (Miami) interventions with ICER values ranging from $94 069/QALY in Los Angeles to $146 256/QALY in Miami. These strategies reduced HIV incidence by 8.1% (credible interval [CI], 2.8%-13.2%) in Seattle and 54.4% (CI, 37.6%-73.9%) in Miami. Incidence reduction reached 16.1%-75.5% at ideal scale. CONCLUSIONS: Evidence-based interventions targeted to PWID can deliver considerable value; however, ending the HIV epidemic among PWID will require innovative implementation strategies and supporting programs to reduce social and structural barriers to care.
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 | 0,008 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,008 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».