mHealth Interventions to Promote Anti-Retroviral Adherence in HIV: Narrative Review (Preprint)
Notice bibliographique
Résumé
BACKGROUND Antiretrovirals (ARVs) are key in the management of HIV. Although no cure exists, ARVs help patients live healthy lives and prevent transmission to others. Adherence to complex regimens is paramount to outcomes and in avoiding the emergence of drug-resistant viruses. The goal of therapy is to reach an undetectable viral load. However, adherence is a common problem, stemming from issues such as mental health, chaotic home situations, and busy work schedules. Mobile health (mHealth) represents a new approach in improving medication adherence, and multiple studies have been performed in this area. OBJECTIVE This study aims to review the current implementation of mHealth in the management of HIV among different groups of patients. METHODS We used PubMed, Academic Search Elite, and 1 journal database with various search terms to review the current implementation of mHealth in HIV care. RESULTS Titles and abstracts were screened, and 61 papers were identified and fully reviewed. The literature was divided into lower- and higher-income nations, as defined by the United Nations. A total of 20 studies with quantitative results were identified, with 10 being text- and SMS-based interventions (the majority of these being in lower-income countries) and 8 being smartphone-based apps (primarily in higher-income countries). The majority of these studies determined whether there was an effect on adherence or biochemical parameters (viral load and CD4 count). Various qualitative studies have also been conducted, and many have focused on determining the specific design of interventions that were successful (frequency of messaging, types of messages, etc) as well as priorities for patients with regard to mHealth interventions. CONCLUSIONS There seems to be a role of mHealth in the management of HIV in lower-income nations; however, the optimal design of an intervention needs to be delineated. In higher-income countries, where the 2 significant risk factors were injection drugs and men who have sex with men, the benefit was less clear, and more research is 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 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 | 0,004 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».