Free antiretrovirals as a key tool against the <scp>HIV</scp> pandemic: A systematic review
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVES: Access to antiretroviral (ARV) drugs remains a critical challenge in achieving the WHO/UNAIDS 95-95-95 targets, with medication costs representing a substantial barrier. This systematic review evaluates the effect of free ARVs, without out-of-pocket cost to the patient, on the HIV cascade of care: the use of ARV therapy, viral suppression and the use of prophylaxis (PrEP). METHODS: The following databases were searched for publications between 1 January 1996 and 10 July 2024: MEDLINE, Embase, CINAHL, CNKI, Global Index Medicus, the Web of Science, the SciELO Citation Index and grey literature. Publications were eligible if they included people living with or at risk of HIV and compared free access to ARVs with out-of-pocket fees. Reviewers screened publications that focused on the outcomes: being on therapy, being virally suppressed and being on PrEP. The National Heart, Lung and Blood Institute (NHLBI) and Joanna Briggs Institute (JBI) Quality Assessment Tools were used to assess publication quality. RESULTS: A total of 34164 documents were identified, and 407 full-text manuscripts were reviewed. A total of 22 publications met the inclusion criteria. In six of the seven publications reporting on being on therapy, providing free ARVs increased the number of people who received treatment. All four publications reporting on viral suppression showed improvement with free access. Additionally, both publications reporting on PrEP use showed increased utilization with free access. CONCLUSIONS: The review offers valuable insights for countries considering implementing free ARV programmes. It suggests that expanding access to free ARVs helps achieve the global HIV targets and improve health outcomes.
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 | 0,004 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».