MétaCan
Menu
Retour à la cohorte
Enregistrement W4223642161 · doi:10.2196/27061

eHealth Interventions to Address HIV and Other Sexually Transmitted Infections, Sexual Risk Behavior, Substance Use, and Mental Ill-health in Men Who Have Sex With Men: Systematic Review and Meta-analysis

2022· review· en· W4223642161 sur OpenAlexvenueno aff
G. J. Meléndez‐Torres, Rebecca Meiksin, T. Charles Witzel, Peter Weatherburn, Jane Falconer, Chris Bonell

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueHIV/AIDS Research and Interventions
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilNational Institute for Health and Care Research
Mots-clésPsychological interventioneHealthMedicineMental healthMen who have sex with menMeta-analysisReproductive healthPsychiatryPopulationEnvironmental healthFamily medicineHealth careHuman immunodeficiency virus (HIV)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Men who have sex with men experience disproportionately high levels of HIV and other sexually transmitted infections (STIs), sexual risk behavior, substance use, and mental ill-health. These experiences are interrelated, and these interrelations are potentiated by structural conditions of discrimination, stigma, and unequal access to appropriate health services, and they magnify each other and have intersecting causal pathways, worsening both risk for each condition and risk for the negative sequelae of each condition. eHealth interventions could address these issues simultaneously and thus have wide-ranging and greater effects than would be for any 1 outcome alone. OBJECTIVE: We systematically reviewed the evidence for the effectiveness of eHealth interventions in addressing these outcomes separately or together. METHODS: We searched 19 databases for randomized trials of interactive or noninteractive eHealth interventions delivered via mobile phone apps, internet, or other electronic media to populations consisting entirely or principally of men who have sex with men to prevent HIV, STIs, sexual risk behavior, alcohol and drug use, or common mental illnesses. We extracted data and appraised each study, estimated meta-analyses where possible by using random effects and robust variance estimation, and assessed the certainty of our findings (closeness of the estimated effect to the true effect) by using GRADE (Grading of Recommendations, Assessment, Development and Evaluations). RESULTS: =0%; 2 studies) or midterm (3-12 months postintervention, no meta-analysis, 1 study) evidence of effectiveness. Eight studies considering sexual risk behavior outcomes suggested a short-term, nonsignificant reduction (d=-0.14, 95% CI -0.30 to 0.03) with very low certainty, but 6 studies reporting midterm follow-ups suggested a significant impact on reducing sexual risk behavior (d=-0.12, 95% CI -0.19 to -0.05) with low certainty. Meta-analyses could not be undertaken for alcohol and drug use (2 heterogeneous studies) or for HIV infections (1 study for each of short-term or midterm follow-up), and alcohol outcomes alone were not captured in the included studies. Certainty was graded as low to very low for most outcomes, including all meta-analyses. CONCLUSIONS: To create a comprehensive eHealth intervention that targets multiple outcomes, intervention evaluations should seek to generalize both mechanisms and components that are successfully used to achieve change in 1 outcome over multiple outcomes. However, additional evaluations of interventions seeking to address outcomes other than sexual risk behavior are needed before development and evaluation of a joined-up intervention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,028
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0140,019
Bibliométrie0,0050,005
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,117
Tête enseignante GPT0,422
Écart entre enseignants0,305 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetHIV/AIDS Research and InterventionsTravaux en français237 207