Evaluation of a pre‐exposure prophylaxis (PrEP)/post‐exposure prophylaxis (PEP) deferral policy among blood donors
Notice bibliographique
Résumé
BACKGROUND: The use of pre-/post-exposure prophylaxis (PrEP/PEP) may interfere with routine HIV screening. As a result, blood services worldwide have adopted a variety of deferral policies to mitigate increased residual risk. In this study, we evaluated the operational impact of modifying the donor health questionnaire (DHQ) to include explicit questions to assess PrEP/PEP exposure. STUDY DESIGN AND METHODS: We conducted a retrospective study between June 2019 and October 2020 of all blood donors attempting to donate at Canadian Blood Services. Sixteen-months post-implementation, we summarized self-reported PrEP/PEP rates and their indications for use. We also assessed deferral rates and the sensitivity of using existing risk questions to defer people exposed to PrEP/PEP. RESULTS: Of 1,122,075 donations, 89 people (eight per 100,000 donations) reported PrEP (64%)/PEP (34%) use in the last 4 months. People exposed to PrEP were more likely to be men (94%) and taking PrEP for lifestyle reasons (87%). In contrast, indications for PEP use included occupational exposure (50%) and sexual assault (27%). Most donors who answered affirmatively to PrEP/PEP exposure were deferred (96%). If potential donors were not directly asked about their PrEP/PEP use, the majority would not have been deferred for any other reasons (PrEP 32/57 (56%) and PEP 15/30 (50%)). CONCLUSION: Not all blood services have adopted direct questions to identify PrEP/PEP exposure; some rely on existing DHQ questions. In Canada, despite DHQ questions such as medication use in the last 3-days, more than half of people exposed to PrEP/PEP would not have been identified and deferred.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».