MétaCan
Menu
Retour à la cohorte
Enregistrement W4304191898 · doi:10.2196/42585

Nurse Practitioner–Led Integrated Rapid Access to HIV Prevention for People Who Inject Drugs (iRaPID): Protocol for a Pilot Randomized Controlled Trial

2022· article· en· W4304191898 sur OpenAlexvenueno aff
Antoine Khati, Frederick L. Altice, David Vlahov, Jessica Lee, Terry Bohonnon, Jeffrey A. Wickersham, Francesca Maviglia, Nicholas Copenhaver, Roman Shrestha

Notice bibliographique

RevueJMIR Research Protocols · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute on Drug Abuse
Mots-clésProtocol (science)MedicineHuman immunodeficiency virus (HIV)Randomized controlled trialNursingFamily medicineAlternative medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The ongoing volatile opioid epidemic remains a significant public health concern, alongside continued outbreaks of HIV and hepatitis C virus among people who inject drugs. The limited access to and scale-up of medications for opioid use disorder (MOUD) among people who inject drugs, coupled with multilevel barriers to pre-exposure prophylaxis (PrEP) uptake, makes it imperative to integrate evidence-based risk reduction and HIV prevention strategies in innovative ways. To address this need, we developed an integrated rapid access to HIV prevention program for people who inject drugs (iRaPID) that incorporates same-day PrEP and MOUD for this population. OBJECTIVE: The primary objective of this pilot study is to assess the feasibility and acceptability of the program and evaluate its preliminary efficacy on PrEP and MOUD uptake for a future randomized controlled trial (RCT). We also aim to explore information on the implementation of the program in a real-world setting using a type I hybrid implementation trial design. METHODS: Using a type I hybrid implementation trial design, we are pilot testing the nurse practitioner-led iRaPID program while exploring information on its implementation in a real-world setting. Specifically, we will assess the feasibility and acceptability of the iRaPID program and evaluate its preliminary efficacy on PrEP and MOUD uptake in a pilot RCT. The enrolled 50 people who inject drugs will be randomized (1:1) to either iRaPID or treatment as usual (TAU). Behavioral assessments will occur at baseline, and at 1, 3, and 6 months. Additionally, we will conduct a process evaluation of the delivery and implementation of the iRaPID program to collect information for future implementation. RESULTS: Recruitment began in July 2021 and was completed in August 2022. Data collection is planned through February 2023. The Institutional Review Boards at Yale University and the University of Connecticut approved this study (2000028740). CONCLUSIONS: This prospective pilot study will test a nurse practitioner-led, integrated HIV prevention program that incorporates same-day PrEP and MOUD for people who inject drugs. This low-threshold protocol delivers integrated prevention via one-stop shopping under the direction of nurse practitioners. iRaPID seeks to overcome barriers to delayed PrEP and MOUD initiation, which is crucial for people who inject drugs who have had minimal access to evidence-based prevention. TRIAL REGISTRATION: ClinicalTrials.gov NCT04531670; https://clinicaltrials.gov/ct2/show/NCT04531670. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/42585.

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)0,058
score de la tête « metaresearch » (Gemma)0,047
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,092
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0580,047
Méta-épidémiologie (sens strict)0,0080,004
Méta-épidémiologie (sens large)0,0120,007
Bibliométrie0,0030,004
Études des sciences et des technologies0,0050,005
Communication savante0,0060,006
Science ouverte0,0040,003
Intégrité de la recherche0,0080,011
Charge utile insuffisante (le modèle a refusé de juger)0,0920,016

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 Opus0,196
Tête enseignante GPT0,566
Écart entre enseignants0,370 · 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'étudeEssai randomisé
Domainenon disponible
GenreProtocole

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

En bref

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetHIV, Drug Use, Sexual RiskTravaux en français237 207