Toward Ending the HIV Epidemic: Temporal Trends and Disparities in Early ART Initiation and Early Viral Suppression Among People Newly Entering HIV Care in the United States, 2012–2018
Notice bibliographique
Résumé
Abstract Background In 2012, the US Department of Health and Human Services updated their HIV treatment guidelines to recommend antiretroviral therapy (ART) for all people with HIV (PWH) regardless of CD4 count. We investigated recent trends and disparities in early receipt of ART prescription and subsequent viral suppression (VS). Methods We examined data from ART-naïve PWH newly presenting to HIV care at 13 North American AIDS Cohort Collaboration on Research and Design clinical cohorts in the United States during 2012–2018. We calculated the cumulative incidence of early ART (within 30 days of entry into care) and early VS (within 6 months of ART initiation) using the Kaplan-Meier survival function. Discrete time-to-event models were fit to estimate unadjusted and adjusted associations of early ART and VS with sociodemographic and clinical factors. Results Among 11 853 eligible ART-naïve PWH, the cumulative incidence of early ART increased from 42% in 2012 to 82% in 2018. The cumulative incidence of early VS among the 8613 PWH who initiated ART increased from 83% in 2012 to 93% in 2018. In multivariable models, factors independently associated with delayed ART and VS included non-Hispanic/Latino Black race, residence in the South census region, being a male with injection drug use acquisition risk, and history of substance use disorder (SUD; all P ≤ .05). Conclusions Early ART initiation and VS have substantially improved in the United States since the release of universal treatment guidelines. Disparities by factors related to social determinants of health and SUD demand focused attention on and services for some subpopulations.
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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».