Impact of a personalised, digital, HIV self-testing app-based program on linkages and new infections in the township populations of South Africa
Notice bibliographique
Résumé
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 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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».