Drug use patterns associated with risk of non-adherence to antiretroviral therapy among HIV-positive illicit drug users in a Canadian setting: a longitudinal analysis
Notice bibliographique
Résumé
Background. Among people living with HIV/AIDS, illicit drug use is a risk for sub-optimal treatment outcomes. However, few studies have examined the relative contributions of different patterns of drug use on adherence to antiretroviral therapy (ART). We sought to estimate the effect of different types of illicit drug use on adherence in a setting of universal free HIV/AIDS treatment and care. Methods Using data from ongoing prospective cohorts of HIV-positive illicit drug users linked to comprehensive pharmacy dispensation records in Vancouver, Canada, we examined factors associated with ≥95% prescription refill adherence using generalized estimating equations (GEE) logistic regression. Results Between 1996 and 2013, 692 ART-exposed individuals were followed for a median of 42.7 months (Interquartile Range: 29.1–71.7). In multivariable GEE analyses, heroin injection (Adjusted Odds Ratio [AOR] = 0.75, 95% Confidence Interval [CI]: 0.66–0.85) as well as cocaine injection (AOR = 0.80, 95% CI: 0.72–0.90) were associated with lower likelihoods of optimal adherence. Methadone maintenance therapy (AOR = 1.88, 95% CI: 1.68–2.11) was associated with a greater likelihood of adherence. Conclusions Periods of heroin and cocaine injection appeared to have the most deleterious impact upon antiretroviral adherence. The findings point to the need for improved access to treatment for heroin use disorder, particularly methadone, and highlight the need to identify strategies to support ART adherence among cocaine injectors.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».