Virtual care pathways for people living with <scp>HIV:</scp> A mixed‐methods systematic review
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic prompted an unprecedented surge in virtual services, necessitating a rapid shift to digital healthcare approaches. This review focuses on evaluating the evidence of virtual care (VC) in delivering HIV care, considering the complex nature of HIV and the need for tailored-approaches, especially for marginalized populations. METHODS: A mixed-methods systematic review was performed with searches on five databases, covering studies from January 1946 to May 2022. Inclusion criteria involved two-way virtual consultations between healthcare workers and people living with HIV (PLHIV), with detailed descriptions and outcomes. Qualitative and quantitative studies were included, and the risk of bias was assessed using the Newcastle-Ottawa score and Stenfors' framework. RESULTS: Among 4143 identified records, 26 studies met the criteria, with various models of care described. The majority of studies were observational, and videoconferencing was the primary mode of virtual consultation employed. Quantitative analysis revealed PLHIV generally accept VC, with high attendance rates (87%). Mean acceptability and satisfaction rates were 80% and 85%, respectively, while 87% achieved HIV viral suppression. The setting and models of VC implementation varied, with some introduced in response to COVID-19 while others were as part of trials. CONCLUSIONS: VC for PLHIV is deemed an acceptable and effective approach and is associated with good virological outcomes. Data on other health outcomes is lacking. The review underscores the importance of diverse models of care, patient choice and comprehensive training initiatives for both staff and patients. Establishing a 'gold standard' for VC models is crucial for ensuring appropriate and effective reviews of PLHIV in virtual settings.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| 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 ».