Long-Run Public Health Impact of Doxycycline Post-Exposure Prophylaxis and Behavioural Factors on Syphilis Transmission: A Modelling Study in Singapore and England
Notice bibliographique
Résumé
Abstract Syphilis remains a significant global public health challenge, particularly among men who have sex with men (MSM). Although penicillin is highly effective for treatment, primary prevention strategies are limited. Recent trials indicate that doxycycline post-exposure prophylaxis (doxy-PEP) has high efficacy in reducing syphilis incidence among MSM; however, its long-run population-level impact, effects on transmission dynamics, and optimal prescribing strategies remain unclear, especially when accounting for real-world behavioural factors such as screening frequency, uptake, adherence, and discontinuation. To address this gap, we developed a behavioural transmission-dynamic model calibrated with Bayesian methods using epidemiological and sexual behavioural data from Singapore and England to characterize transmission dynamics in MSM, quantify the potential long-run public health impact, efficiency, and robustness of alternative doxy-PEP prescribing strategies across different settings (e.g., schools, clinics, age, and risk groups) under varying behavioural patterns and epidemiological settings. Over a 15-year horizon, targeting high-risk MSM at diagnosis emerged as the most efficient approach, averting an estimated 2.50 (0.68 - 5.94) cases per prescription (10000 [95% Credible Interval 1100 - 53200] total cases averted) in Singapore and 4.60 (2.12 - 7.79) cases per prescription (165000 [49300 - 503700]) in England. In contrast, broader strategies such as offering doxy-PEP to all MSM attending sexual health clinics could achieve greater overall reductions (up to 24700 [6800 - 93100] cases in Singapore and 279800 [109200 - 724000] in England), but with substantially lower efficiency, averting as few as 0.02 (0.00 - 0.23) and 0.04 (0.01 - 0.46) cases per prescription, respectively. These findings suggest that untargeted strategies could substantially reduce syphilis incidence but would do so at the cost of over-prescription, increased resource burden, and unnecessary antibiotic exposure. More importantly, our findings remain robust despite variations in behavioural factors and future scenarios. In summary, our results underscore that doxy-PEP prescribing approaches aligned with behavioural risk factors can maximise population-level impact and implementation efficiency, supporting more sustainable syphilis prevention among MSM.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».