MétaCan
Menu
Retour à la cohorte
Enregistrement W3196367613 · doi:10.1136/bmjgh-2021-006032

Impact of a personalised, digital, HIV self-testing app-based program on linkages and new infections in the township populations of South Africa

2021· article· en· W3196367613 sur OpenAlexafffund
Nitika Pant Pai, Aliasgar Esmail, Paramita Saha‐Chaudhuri, Suzette Oelofse, Marietjie Pretorius, Gayatri Marathe, Jana Daher, Megan Smallwood, Nicolaos Karatzas, Mohammed Fadul, Anna de Waal, Nora Engel, Alice Zwerling, Keertan Dheda

Notice bibliographique

RevueBMJ Global Health · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV/AIDS Research and Interventions
Établissements canadiensUniversity of OttawaMcGill University
Organismes subventionnairesMedical Research CouncilFonds de Recherche du Québec - SantéUniversity of Cape TownGrand Challenges CanadaCanadian Institutes of Health ResearchMcGill University Health CentreGovernment of CanadaEuropean and Developing Countries Clinical Trials PartnershipWellcome TrustMcGill University
Mots-clésHuman immunodeficiency virus (HIV)Digital healthEnvironmental healthMedicineEconomic growthFamily medicineBusinessGerontologyHealth careEconomics

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Implementation data for digital unsupervised HIV self-testing (HIVST) are sparse. We evaluated the impact of an app-based, personalised, oral HIVST program offered by healthcare workers in Western Cape, South Africa. METHODS: In a quasirandomised study (n=3095), we recruited consenting adults with undiagnosed HIV infection from township clinics. To the HIVST arm participants (n=1535), we offered a choice of an offsite (home, office or kiosk based), unsupervised digital HIVST program (n=962), or an onsite, clinic-based, supervised digital HIVST program (n=573) with 24/7 linkages services.With propensity score analyses, we compared outcomes (ie, linkages, new HIV infections and test referrals) with conventional HIV testing (ConvHT) arm participants (n=1560), recruited randomly from geographically separated clinics. RESULTS: In both arms, participants were young (HIVST vs ConvHT) (mean age: 28.2 years vs 29.2 years), female (65.0% vs 76.0%) and had monthly income <3000 rand (80.8% vs 75%).Participants chose unsupervised HIVST (62.7%) versus supervised HIVST and reported multiple sex partners (10.88% vs 8.7%), exposure to sex workers (1.4% vs 0.2%) and fewer comorbidities (0.9% vs 1.9%). Almost all HIVST participants were linked (unsupervised HIVST (99.7%), supervised HIVST (99.8%) vs ConvHT (98.5%)) (adj RR 1.012; 95% CI 1.005 to 1.018) with new HIV infections: overall HIVST (9%); supervised HIVST (10.9%) and unsupervised HIVST (7.6%) versus ConvHT (6.79%) (adj RR 1.305; 95% CI 1.023 to 1.665); test referrals: 16.7% HIVST versus 3.1% ConvHT (adj RR 5.435; 95% CI 4.024 to 7.340). CONCLUSIONS: Our flexible, personalised, app-based HIVST program, offered by healthcare workers, successfully linked almost all HIV self-testers, detected new infections and increased referrals to self-test. Data are relevant for digital HIVST initiatives worldwide.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,296

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,132
Tête enseignante GPT0,465
Écart entre enseignants0,333 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations44
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMJ Global HealthMême sujetHIV/AIDS Research and InterventionsTravaux en français237 207