The Impact of Implementing a Test, Treat and Retain HIV Prevention Strategy in Atlanta among Black Men Who Have Sex with Men with a History of Incarceration: A Mathematical Model
Notice bibliographique
Résumé
BACKGROUND: Annually, 10 million adults transition through prisons or jails in the United States (US) and the prevalence of HIV among entrants is three times higher than that for the country as a whole. We assessed the potential impact of increasing HIV Testing/Treatment/Retention (HIV-TTR) in the community and within the criminal justice system (CJS) facilities, coupled with sexual risk behavior change, focusing on black men-who-have-sex-with-men, 15-54 years, in Atlanta, USA. METHODS: We modeled the effect of a HIV-TTR strategy on the estimated cumulative number of new (acquired) infections and mortality, and on the HIV prevalence at the end of ten years. We additionally assessed the effect of increasing condom use in all settings. RESULTS: In the Status Quo scenario, at the end of 10 years, the cumulative number of new infections in the community, jail and prison was, respectively, 9246, 77 and 154 cases; HIV prevalence was 10815, 69 and 152 cases, respectively; and the cumulative number of deaths was 2585, 18 and 34 cases, respectively. By increasing HIV-TTR coverage, the cumulative number of new infections could decrease by 15% in the community, 19% in jail, and 8% in prison; HIV prevalence could decrease by 8%, 9% and 7%, respectively; mortality could decrease by 20%, 39% and 18%, respectively. Based on the model results, we have shown that limited use and access to condoms have contributed to the HIV incidence and prevalence in all settings. CONCLUSIONS: Aggressive implementation of a CJS-focused HIV-TTR strategy has the potential to interrupt HIV transmission and reduce mortality, with benefit to the community at large. To maximize the impact of these interventions, retention in treatment, including during the period after jail and prison release, and increased condom use was vital for decreasing the burden of the HIV epidemic in all settings.
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) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».