Research Priorities to End the Adolescent HIV Epidemic in the United States: Viewpoint
Notice bibliographique
Résumé
Youth represent 21% of new HIV diagnoses in the United States. Gay, bisexual, and transgender (GBT) youth, particularly those from communities of color, and youth who are homeless, incarcerated, in institutional settings, or engaging in transactional sex are most greatly impacted. Compared with adults, youth have lower levels of HIV serostatus awareness, uptake of antiretroviral therapy (ART), and adherence. Widespread availability of ART has revolutionized prevention and treatment for both youth at high risk for HIV acquisition and youth living with HIV, increasing the need to integrate behavioral interventions with biomedical strategies. The investigators of the Adolescent Medicine Trials Network for HIV/AIDS Interventions (ATN) completed a research prioritization process in 2019, focusing on research gaps to be addressed to effectively control HIV spread among American youth. The investigators prioritized research in the following areas: (1) innovative interventions for youth to increase screening, uptake, engagement, and retention in HIV prevention (eg, pre-exposure prophylaxis) and treatment services; (2) structural changes in health systems to facilitate routine delivery of HIV services; (3) biomedical strategies to increase ART impact, prevent HIV transmission, and cure HIV; (4) mobile technologies to reduce implementation costs and increase acceptability of HIV interventions; and (5) data-informed policies to reduce HIV-related disparities and increase support and services for GBT youth and youth living with HIV. ATN's research priorities provide a roadmap for addressing the HIV epidemic among youth. To reach this goal, researchers, policy makers, and health care providers must work together to develop, test, and disseminate novel biobehavioral interventions for youth.
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 | 0,016 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».