Impact of the COVID-19 pandemic on regional and national uptake of HIV testing services in Sierra Leone: a descriptive analysis
Notice bibliographique
Résumé
Abstract Background A key milestone in the reduction of the global HIV burden is reaching the UNAIDS 95-95-95 target by 2025. The COVID-19 pandemic may have affected the ability of countries to achieve this target, but data to describe this impact is limited. This study assessed national HIV testing service uptake in Sierra Leone during three periods of the COVID-19 pandemic. Methods We conducted a retrospective cross-sectional study using secondary program data of all patients tested for HIV in all 16 districts of Sierra Leone. Data from March 2019 to February 2020 (pre-COVID-19); March 2020 to February 2021 (during COVID-19); and March 2021 to February 2022 (post-COVID-19) were extracted from DHIS-2 and descriptive analyses were performed using Stata (15.1, StataCorp LLC, College Station, TX). Results The median number of HIV tests was 58,588 (IQR 54,232 to 62,077) in the pre-COVID phase, 55,141 (IQR 52,975 to 57,689) during the COVID-19 phase, and 74,954 (IQR 72,166 to 76,250) in the post-COVID phase. This shows that HIV testing rate decreased by 6.3% during the COVID-19 period and increased substantially by 36.0% in the post-COVID-19 period. Twice more women than men were tested for HIV across all periods—pre-COVID-19 (38,825 vs. 19,789), during COVID-19 (36,923 vs. 17,755), and post-COVID-19 (49,205 vs. 25,472) phases. Conclusion Our study shows that HIV testing was significantly disrupted during the COVID-19 pandemic but recovered quickly after the pandemic. These findings highlight that lessons learned from previous epidemics may influence adaptive strategies to maintain essential health services during public health emergencies.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».