A Multicomponent Strategy to Improve HIV Pre-Exposure Prophylaxis in a Southern US Jail: Protocol for a Type 3 Hybrid Implementation-Effectiveness Trial
Notice bibliographique
Résumé
BACKGROUND: Pre-exposure prophylaxis (PrEP) is an effective approach for preventing HIV infection, but it is underutilized by populations who may benefit the most, including people living in the Southern United States and those involved in the criminal legal (CL) system. Improving the access and use of PrEP for these groups could decrease HIV-related health disparities. Beyond individual outcomes, HIV prevention for CL-involved people can have a significant public health impact on HIV incidence due to a high turnover between jails and the community. OBJECTIVE: We will develop, implement, and evaluate a multicomponent PrEP implementation strategy for the Dallas County Jail (DCJ) to increase the initiation of this HIV-preventive intervention for CL-involved individuals. METHODS: This is a type 3 hybrid implementation-effectiveness study that takes a combined approach by assessing the implementation of a strategy to identify candidates for PrEP at the DCJ and linking them to PrEP providers upon community re-entry while also gathering information about clinical outcomes. The approach is guided by the EPIS (exploration, preparation, implementation, sustainment) framework. Initial formative work (exploration) involves qualitative interviews of diverse key stakeholders to identify factors that may influence linkage to PrEP after jail release. These findings will undergo rapid qualitative analysis (preparation) to inform the adaptation of a multicomponent jail PrEP implementation strategy protocol. This approach, which will include an electronic health record (EHR) prediction model and integration of a PrEP patient navigator into the jail health team, will allow medical providers and the navigator at the DCJ to engage individuals most likely to benefit in shared decision-making about PrEP and navigate them to community PrEP care (implementation) in a process that begins before release from jail and ends with successful care linkage. Regular quantitative and qualitative evaluations of this approach will allow for ongoing stakeholder input, refinement of the implementation strategy, and maintenance of the program (sustainment). RESULTS: Findings from 26 qualitative interviews (9 formerly incarcerated individuals, 9 county jail staff, and 8 employees of community organizations) have been obtained, analyzed, and mapped to an implementation strategy formalized in a jail PrEP protocol. An HIV risk prediction model based on EHR data to identify individuals most likely to benefit from PrEP has been developed and internally validated and is ready to be deployed. We anticipate the availability of preliminary study findings in 2026. CONCLUSIONS: This study will provide key insights into the feasibility and effectiveness of a PrEP implementation strategy among people at increased risk of HIV acquisition in an urban jail in Southern United States. This practical and scalable strategy can be used as a model for other urban jails to address HIV-related inequities. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/64813.
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 | 0,058 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,004 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,009 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,123 | 0,018 |
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 ».