Can Contingency Management Solve the Problem of Adherence to Antiretroviral Therapy in Drug-Dependent Individuals?
Notice bibliographique
Résumé
Drug misuse among people living with HIV (human immunodeficiency virus) is associated with higher mortality. It is a frequently observed reason for treatment abandonment, with people who misuse drugs showing a 10 to 25 times higher risk of HIV than the general population. The authors conducted a systematic review and meta-analysis to assess the efficacy of contingency management (CM) to improve adherence to antiretroviral therapy in people living with HIV and substance use disorder (SUD). The inclusion criteria consisted of studies written in English, Italian, Spanish, German, and French; studies conducted with humans; and clinical trials that combined SUD treatment with CM for people living with HIV. Two hundred twenty-two articles were identified, five met all inclusion criteria, and three provided enough data to perform the meta-analysis. We considered treatment adherence by measuring the increase in the CD4 count as our primary outcome. We found a significant increase in treatment adherence in the patient group compared with the control groups during the intervention phase. Positive findings did not persist after the cessation of the incentives. The meta-analysis showed that the intervention improved patient adherence by 2.69 (95% confidence interval: [0.08, 0.51]; p = .007) compared with the control group during the intervention period. All short-term CM studies converged on a positive result for adherence to antiretroviral therapy.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».