The Potential Epidemiological Impact of Coronavirus Disease 2019 (COVID-19) on the Human Immunodeficiency Virus (HIV) Epidemic and the Cost-effectiveness of Linked, Opt-out HIV Testing: A Modeling Study in 6 US Cities
Notice bibliographique
Résumé
BACKGROUND: Widespread viral and serological testing for severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) may present a unique opportunity to also test for human immunodeficiency virus (HIV) infection. We estimated the potential impact of adding linked, opt-out HIV testing alongside SARS-CoV-2 testing on the HIV incidence and the cost-effectiveness of this strategy in 6 US cities. METHODS: Using a previously calibrated dynamic HIV transmission model, we constructed 3 sets of scenarios for each city: (1) sustained current levels of HIV-related treatment and prevention services (status quo); (2) temporary disruptions in health services and changes in sexual and injection risk behaviors at discrete levels between 0%-50%; and (3) linked HIV and SARS-CoV-2 testing offered to 10%-90% of the adult population in addition to Scenario 2. We estimated the cumulative number of HIV infections between 2020-2025 and the incremental cost-effectiveness ratios of linked HIV testing over 20 years. RESULTS: In the absence of linked, opt-out HIV testing, we estimated a total of a 16.5% decrease in HIV infections between 2020-2025 in the best-case scenario (50% reduction in risk behaviors and no service disruptions), and a 9.0% increase in the worst-case scenario (no behavioral change and 50% reduction in service access). We estimated that HIV testing (offered at 10%-90% levels) could avert a total of 576-7225 (1.6%-17.2%) new infections. The intervention would require an initial investment of $20.6M-$220.7M across cities; however, the intervention would ultimately result in savings in health-care costs in each city. CONCLUSIONS: A campaign in which HIV testing is linked with SARS-CoV-2 testing could substantially reduce the HIV incidence and reduce direct and indirect health care costs attributable to HIV.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».