Modelling the Impact of Prevention and Treatment Interventions on HIV and Hepatitis C Virus Transmission Among People Who Inject Drugs in Kenya
Notice bibliographique
Résumé
Abstract Background People who inject drugs (PWID) in Kenya have a high prevalence of HIV (14-26%) and HCV (11-36%). Needle and syringe programmes (NSP) and antiretroviral therapy (ART) have high coverage among PWID, while HCV treatment and opioid substitution therapy (OST) access is low. Methods A dynamic model of HIV (sexual and injecting-related) and HCV (injecting-related) transmission among PWID was calibrated using Bayesian methods to data from Nairobi and the Coastal region. We projected the impact of existing coverage levels of interventions (ART: 64-66%; OST: 4-7%; NSP: 54-56%) in each setting, and the impact over 2020-2030 of increasing the coverage of OST (50%) and NSP (75%; ‘full HR’), ART (UNAIDS 90-90-90 target), HCV treatment (1000 over 5 years), and reducing HIV sexual risk by 75%. We estimated HCV treatment levels needed to reduce HCV incidence by 90% with or without full HR. Findings Since 2013, HR has averted 15.1-20.6% (range in medians across settings) of HIV infections and 29.0-31.6% of HCV infections across Nairobi and the Coastal region, with most impact being due to NSP. Conversely, ART has only averted <5% of HIV infections since 2004 because of sub-optimal viral suppression (28-48%). Going forward, Full HR and ART could reduce HIV incidence by 58.2-62.0% and HCV incidence by 62.6-81.6% by 2030 across these settings. If sexual risk is also reduced, HIV incidence would reduce by 77.1-81.4%. Alongside full HR, treating 896 PWID over 2020-2025 could reduce HCV incidence by 90% by 2030. Interpretation Existing interventions have had moderate impact on HIV and HCV transmission in Kenya, but may have substantial impact if scaled-up. However, to achieve HIV and HCV elimination, reductions in sexual risk are needed and a scale-up in HCV treatment. Funding Global Fund, MDM
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».