Progress towards hepatitis C virus elimination in high‐income countries: An updated analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND & AIMS: Elimination of HCV by 2030, as defined by the World Health Organization (WHO), is attainable with the availability of highly efficacious therapies. This study reports progress made in the timing of HCV elimination in 45 high-income countries between 2017 and 2019. METHODS: Disease progression models of HCV infection for each country were updated with latest data on chronic HCV prevalence, and annual diagnosis and treatment levels, assumed to remain constant in the future. Modelled outcomes were analysed to determine the year in which each country would meet the WHO 2030 elimination targets. RESULTS: Of the 45 countries studied, 11 (Australia, Canada, France, Germany, Iceland, Italy, Japan, Spain, Sweden, Switzerland, and United Kingdom) are on track to meet WHO's elimination targets by 2030; five (Austria, Malta, Netherlands, New Zealand, and South Korea) by 2040; and two (Saudi Arabia and Taiwan) by 2050. The remaining 27 countries are not expected to achieve elimination before 2050. Compared to progress in 2017, South Korea is no longer on track to eliminate HCV by 2030, three (Canada, Germany, and Sweden) are now on track, and most countries (30) saw no change. CONCLUSIONS: Assuming high-income countries will maintain current levels of diagnosis and treatment, only 24% are on track to eliminate HCV by 2030, and 60% are off track by at least 20 years. If current levels of diagnosis and treatment continue falling, achieving WHO's 2030 targets will be more challenging. With less than ten years remaining, screening and treatment expansion is crucial to meet WHO's HCV elimination targets.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 découle