Increased reengagement of out-of-care HIV patients using Lost & Found, a clinic-based intervention
Notice bibliographique
Résumé
BACKGROUND: Negative health outcomes associated with being out of HIV care (OOC) warrant reengagement strategies. We aimed to assess effectiveness of Lost & Found, a clinic-based intervention to identify and reengage OOC patients. METHODS: Developed and delivered using implementation science, Lost & Found consists of two core elements: identification, operationalized through nurse validation of a real-time list of possible OOC patients; and contact, via nurse-led phone calls. It was implemented over a 12-month period (2018-2019) at the Chronic Viral Illness Service, McGill University Health Centre (CVIS-MUHC) during a type-II implementation-effectiveness hybrid pilot study. Descriptive outcomes of interest were identification as possibly OOC, OOC confirmation, contact, and successful reengagement. We present results from a pre-post analysis comparing overall reengagement to the year prior, using robust Poisson regression controlled for sex, age, and Canadian birth. Time to reengagement is reported using a Cox proportional hazards model. RESULTS: Over half (56%; 1312 of 2354) of CVIS-MUHC patients were identified as possibly OOC. Among these, 44% (n = 578) were followed elsewhere, 19% (n = 249) engaged in care, 3% (n = 33) deceased, 2% (n = 29) otherwise not followed, and 32% (n = 423) OOC. Of OOC patients contacted (85%; 359/423), 250 (70%) reengaged and 40 (11%) had upcoming appointments; the remainder were unreachable, declined care, or missed given appointments. Pre-post results indicate people who received Lost & Found were 1.18 [95% confidence interval (CI) 1.02-1.36] times more likely to reengage, and reengaged a median 55 days (95% CI 14-98) sooner. CONCLUSION: Lost & Found may be a viable clinic-based reengagement intervention for OOC patients. More robust evaluations are needed.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».