Trends in HIV pre-exposure prophylaxis use in eight Canadian provinces, 2014–2018
Notice bibliographique
Résumé
INTRODUCTION: Canada has endorsed the Joint United National Programme on HIV and AIDS global targets to end the acquired immunodeficiency syndrome (AIDS) epidemic, including reducing new human immunodeficiency virus (HIV) infections to zero, by 2030. Given the effectiveness of pre-exposure prophylaxis (PrEP) to prevent new infections, it is important to measure and report on PrEP utilization to help inform planning for HIV prevention programs and policies. METHODS: Annual estimates of persons using PrEP in Canada were generated for 2014-2018 from IQVIA's geographical prescription monitor dataset. An algorithm was used to distinguish users of tenofovir disoproxil fumarate/emtricitabine (TDF/FTC) for PrEP versus treatment or post-exposure prophylaxis. We provide the estimated number of people using PrEP in eight Canadian provinces by sex, age group, prescriber specialty and payment type. RESULTS: The estimated number of PrEP users increased dramatically over the five-year study period, showing a 21-fold increase from 460 in 2014 to 9,657 in 2018. Estimated PrEP prevalence was 416 users per million persons across the eight provinces in 2018. Almost all PrEP users were male. Use increased in both sexes, but increase was greater for males (23-fold) than females (five-fold). Use increased across all provinces, although there were jurisdictional differences in the prevalence of use, age distribution and prescriber types. CONCLUSION: The PrEP use in Canada increased from 2014 to 2018, demonstrating increased awareness and uptake of its use for preventing HIV transmission. However, there was uneven uptake by age, sex and geography. Since new HIV infections continue to occur in Canada, it will be important to further refine the use of PrEP, as populations at higher risk of HIV infection need to be offered PrEP as part of comprehensive sexual healthcare.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».