Adherence to Highly Active Antiretroviral Therapy and Its Association with Serostatus Disclosure among People Living with HIV in Ethiopia: A Systematic Review and Meta-Analysis.
Notice bibliographique
Résumé
Abstract Background: Adherence to highly active antiretroviral therapy (HAART) is a public health challenge worldwide. Non-adherence to HAART leads to treatment, immunologic, and virological failure. Despite different interventions made, adherence to HAART among adult people living with HIV (PLWHIV) is still inconsistent across studies, and the effect of serostatus disclosure on adherence to HAART was not studied in Ethiopia. Therefore, the study is aimed to determine the pooled prevalence of adherence to HAART and its relationship with serostatus disclosure among adult PLWHIV in Ethiopia.Methods: We searched 3247 original articles, both published and unpublished on Ethiopia dated from January 2016 to November 2019 by using different search engines. Data were extracted using Microsoft excel. New Castle Ottawa Scale quality assessment tool was used. STATA software version 11 was used for analysis. A random-effects model for meta-analysis was computed. Cochran Q statistics and I2 were used to estimate heterogeneity. Egger’s and Begg’s test was used to assess the publication bias.Results: A total of fifteen articles for systematic review and four articles for meta-analysis were used. The pooled prevalence of adherence to HAART is found to be 81.19% (80.1, 82.3). In the subgroup analysis, the pooled prevalence of adherence to HAART was 79.82% (73.19, 86.45) in the Oromia region, 82.51 %( 73.14, 91.87) in the Amhara region, and 72.7% (63.78, 81.61) in the Southern Nations Nationalities and Peoples’ Region (SNNPR). The serostatus disclosure improves adherence to HAART by nearly three times compared to non-serostatus disclosed PLWHIV (AOR=2.99, 95 %CI: 1.88, 4.77).Conclusions: The pooled prevalence of adherence to HAART among adult PLWHIV in Ethiopia was found to be low compared to WHO antiretroviral treatment recommendations. Having serostatus disclosure improved adherence to HAART.
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 | 0,010 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,026 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».