Virological suppression rate and its predictors among HIV/AIDS patients on antiretroviral therapy before and during the COVID-19 pandemic in Ethiopia: Systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Background Achieving viral load suppression is crucial for the prevention of complications and deaths related to HIV infection. Ethiopia has embraced the worldwide 90-90-90 target, but there is no national representative information regarding virological suppression. Therefore, this review aims to determine the pooled virological suppression rate and identify the pooled effect of contributing factors of viral suppression for HIV-positive patients on antiretroviral therapy in Ethiopia. Method We systematically searched websites and databases, including online repositories, to obtain primary studies. We assessed the quality of the included articles using the Newcastle‒Ottawa Scale appraisal checklist by two reviewers. Publication bias was checked using Egger’s regression test, the heterogeneity of the studies was assessed using I2 statistics and Q statistics, and sensitivity analysis was performed to identify any outlier results in the included studies. The Der Simonian Laird random-effects model was used to estimate the overall proportion of viral suppression, and STATA 17 statistical software was used for all types of analysis. Result A total of 21 eligible articles were used for this quantitative synthesis. The overall pooled virological suppression was 71% (95% CI: 64%, 77%). The pooled effects of poor adherence to ART (AOR = 0.33; 95% CI: 0.28, 0.40), body mass index (18.5–24.9 kg/m2) (AOR = 1.8; 95% CI: 1.37, 2.36), disclosure AOR = 1.41; 95% CI: 1.05, 1.89), absence of opportunistic infection (AOR = 1.68; 95% CI: 1.43, 1.97), and high baseline viral load (AOR = 0.65; 95% CI: 0.52, 0.81) were identified as significant predictors of viral suppression. Conclusion The overall pooled percentage of virological suppression was low compared with the global target of viral suppression. Poor adherence, normal body mass index, disclosure, absence of opportunistic infection and high viral load were contributing factors of viral suppression in Ethiopia. Responsible stakeholders should maximize their effort to achieve the global target of virological suppression by addressing significant predictors. Prospero registration number and google link: CRD42023434248.
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 | 0,016 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,035 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».