Attrition one year after starting antiretroviral therapy before and after the programmatic implementation of HIV “Treat All” in Sub-Saharan Africa: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Introduction Evidence on the real-world effects of “Treat All” on attrition has not been systematically reviewed. We aimed to review existing literature to compare attrition 12 months after antiretroviral therapy (ART) initiation, before and after “Treat All” was implemented in Sub-Saharan Africa and describe predictors of attrition. Methods We searched Embase, Google Scholar, PubMed, and Web of Science in July 2020 and created alerts up to the end of June 2023. We also searched for preprints and conference abstracts. Two co-authors screened and selected the articles. Risk of bias was assessed using the modified Newcastle–Ottawa Scale. We extracted and tabulated data on study characteristics, attrition 12 months after ART initiation, and predictors of attrition. We calculated a pooled risk ratio for attrition using random-effects meta-analysis. Results Eight articles and one conference abstract (nine studies) out of 8179 screened records were included in the meta-analysis. The random-effects adjusted pooled risk ratio (RR) comparing attrition before and after “Treat All” 12 months after ART initiation was not significant [RR = 1.07 (95% Confidence interval (CI): 0.91–1.24)], with 92% heterogeneity (I 2 ). Being a pregnant or breastfeeding woman, starting ART with advanced HIV, and starting ART within the same week were reported as risk factors for attrition both before and after “Treat All”. Conclusions We found no significant difference in attrition before and after “Treat All” one year after ART initiation. While “Treat All” is being implemented widely, differentiated approaches to enhance retention should be prioritised for those subgroups at risk of attrition. PROSPERO number CRD42020191582 .
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 | 0,031 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,023 | 0,055 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| 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 ».