2065. Increasing the HIV screening rates in Rural Syringes Service Programs
Notice bibliographique
Résumé
Abstract Background The Kentucky Income Reinvestment Program (KIRP) is a statewide reinvestment of income generated by the Ryan White HIV/AIDS Program (RWHAP) Kentucky AIDS Drug Assistance Program, which provides comprehensive early intervention services targeting those at the highest risk for HIV infection. The objective of this study was to compare the HIV screening rates in persons who inject drugs (PWID) at Syringe Service Programs (SSP) supported by KIRP versus SSPs not supported by KIRP in Kentucky Methods A cross-sectional study was conducted on 54 SSPs. We compared the HIV screening rates in the first quarter of 2020, 2021, and 2022. Fisher's exact test compared the HIV screening rates between the KIRP supported SSPs (KSSP) versus Non-KIRP supported SSPs (NKSSP). Study data were collected and managed using REDCap electronic data capture tools hosted at Kentucky Department for Public Health. The statistical analyses were performed with Stata 17 (College Station, TX: Stata Corp LLC). Results The analysis included data of 21,072 PWID who attended the SSPs utilizing the REDCap electronic data capture tool during the study timeframe. In the first quarter of 2022, a total of 1,607/4795 (33.5%) PWID were screened for HIV at KSSP vs 12/482 (2.5%) at NKSSP (p=< 0.001). The difference in the screening rates has increased over the years since the KIRP began in 2019 (Figure 1). Conclusion The HIV screening rate in PWID has increased significantly in the SSPs supported by KIRP through RWHAP program income early intervention funds. This increase has occurred mainly in rural counties where people who inject drugs remain a significant population at risk for new HIV infections. Disclosures All Authors: No reported disclosures.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».