Impact of HCV Testing and Treatment on HCV Transmission Among Men Who Have Sex With Men and Who Inject Drugs in San Francisco: A Modelling Analysis
Notice bibliographique
Résumé
BACKGROUND: Men who have sex with men who ever injected drugs (ever MSM-IDU) carry a high hepatitis C virus (HCV) burden. We estimated whether current HCV testing and treatment in San Francisco can achieve the 2030 World Health Organization (WHO) HCV elimination target on HCV incidence among ever MSM-IDU. METHODS: A dynamic HCV/HIV transmission model among MSM was calibrated to San Francisco data, including HCV antibody (15.5%, 2011) and HIV prevalence (32.8%, 2017) among ever MSM-IDU. MSM had high HCV testing (79%-86% ever tested, 2011-2019) and diagnosed MSM had high HCV treatment (65% ever treated, 2018). Following coronavirus disease 2019 (COVID-19)-related lockdowns, HCV testing and treatment decreased by 59%. RESULTS: Among all MSM, 43% of incident HCV infections in 2022 were IDU-related. Among ever MSM-IDU in 2015, HCV incidence was 1.2/100 person-years (95% credibility interval [CrI], 0.8-1.6). Assuming COVID-19-related declines in HCV testing/treatment persist until 2030, HCV incidence among ever MSM-IDU will decrease by 84.9% (95% CrI, 72.3%-90.8%) over 2015-2030. This decline is largely attributed to HCV testing and treatment (75.8%; 95% CrI, 66.7%-89.5%). Slightly greater decreases in HCV incidence (94%-95%) are projected if COVID-19 disruptions recover by 2025 or 2022. CONCLUSIONS: We estimate that HCV incidence will decline by >80% over 2015-2030 among ever MSM-IDU in San Francisco, achieving the WHO target.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».