Opioid agonist treatment improves progression through the HIV cascade of care among people living with HIV who use unregulated opioids
Notice bibliographique
Résumé
OBJECTIVES: Opioid agonist treatment (OAT) has been shown to improve certain HIV-related treatment measures among people with HIV (PHIV) with opioid use disorder (OUD). However, there is limited data on the impacts of OAT along the whole HIV cascade of care. DESIGN AND METHODS: Using data from an ongoing cohort of PHIV who use drugs in Vancouver, Canada, we used cumulative link mixed-effects models to estimate the independent effect of OAT on achieving progressive steps in the HIV cascade among participants using unregulated opioids daily, after adjusting for confounders. RESULTS: Between 2005 and 2017, we recruited 639 PHIV regularly using opioids (median age 42 years, 59% male, 56% White), of whom 70% were on OAT at their baseline visit. Engagement in OAT showed a nonsignificant trend with higher linkage to HIV care (adjusted partial proportional odds ratio [APPO] = 1.75, 95% confidence interval [CI]: 0.83-3.69), and significantly higher cumulative odds of successfully achieving subsequent HIV cascade steps: on ART (APPO = 3.85, 95% CI: 2.33-6.37); adherent to ART (APPO = 3.15, 95% CI: 2.15-4.62); and HIV viral suppression (APPO = 2.18, 95% CI: 1.51-3.14). CONCLUSIONS: This study found a high level of OAT engagement among PHIV using unregulated opioids and that OAT engagement resulted in significantly increased progression through some of the higher steps of the HIV cascade. While these findings are encouraging, they highlight the need to reach populations off OAT to maximize the clinical and community-level benefits of ART.
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 | 0,000 |
| 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 | 0,001 | 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) | 0,000 | 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 ».