Impact of the Early COVID-19 Pandemic on the Number of HIV Preexposure Prophylaxis Uses and the Proportion of Preexposure Prophylaxis Users Receiving Sexually Transmitted Infection Testing Services
Notice bibliographique
Résumé
BACKGROUND: With the potential impact of the COVID-19 pandemic on HIV preexposure prophylaxis (PrEP) care management, we assessed the number of PrEP users and sexually transmitted infection (STI) testing-eligible PrEP users, STI testing rates, and prevalence between prepandemic (January 1, 2018-March 31, 2020) and early-pandemic (April 1, 2020-September 30, 2020) periods. METHODS: In this retrospective cohort study, a PrEP user for a given quarter is defined as either a previous PrEP user or a PrEP initiator who has at least 1-day coverage of tenofovir/emtricitabine in the given quarter. The STI testing-eligible PrEP users for a given quarter were defined as those persons whose runout date (previous dispense date + days of tenofovir/emtricitabine supply) was in the given quarter. RESULTS: The quarterly number of PrEP users increased from the first quarter of 2018 to the first quarter of 2020 and then decreased in the second and third quarter of 2020. Among STI testing-eligible PrEP users who had ≤14 days between runout and next refill date, gonorrhea and chlamydia screening testing rates were 95.1% for prepandemic and 93.4% for early pandemic ( P = 0.1011). Among all STI testing-eligible PrEP users who were tested for gonorrhea and chlamydia, gonorrhea prevalence was 6.7% for prepandemic and 5.7% for early pandemic ( P = 0.3096), and chlamydia prevalence was 7.0% for prepandemic and 5.8% for early pandemic ( P = 0.2158). CONCLUSIONS: Although the early COVID-19 pandemic resulted in lower numbers of PrEP users and PrEP initiators, individuals who remained continuous users of PrEP maintained extremely high rates of bacterial STI screening. With high STI prevalence among PrEP users, assessments of PrEP care management are continuously 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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».