Systematic review of alternative HIV preexposure prophylaxis care delivery models to improve preexposure prophylaxis services
Notice bibliographique
Résumé
OBJECTIVES: To identify types, evidence, and study gaps of alternative HIV preexposure prophylaxis (PrEP) care delivery models in the published literature. DESIGN: Systematic review and narrative synthesis. METHODS: We searched in the US Centers for Disease Control and Prevention (CDC) Prevention Research Synthesis (PRS) database through December 2022 (PROSPERO CRD42022311747). We included studies published in English that reported implementation of alternative PrEP care delivery models. Two reviewers independently reviewed the full text and extracted data by using standard forms. Risk of bias was assessed using the adapted Newcastle-Ottawa Quality Assessment Scale. Those that met our study criteria were evaluated for efficacy against CDC Evidence-Based Intervention (EBI) or Evidence-Informed Intervention (EI) criteria or Health Resources and Services Administration Emergency Strategy (ES) criteria, or for applicability by using an assessment based on the Reach, Effectiveness, Adoption, Implementation, and Maintenance framework. RESULTS: This review identified 16 studies published between 2018 and 2022 that implemented alternative prescriber ( n = 8), alternative setting for care ( n = 4), alternative setting for laboratory screening ( n = 1), or a combination of the above ( n = 3) . The majority of studies were US-based ( n = 12) with low risk of bias ( n = 11). None of the identified studies met EBI, EI, or ES criteria. Promising applicability was found for pharmacists prescribers, telePrEP, and mail-in testing. CONCLUSIONS: Delivery of PrEP services outside of the traditional care system by expanding providers of PrEP care (e.g. pharmacist prescribers), as well as the settings of PrEP care (i.e. telePrEP) and laboratory screening (i.e. mail-in testing) may increase PrEP access and care delivery.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».