From conceptualising to modelling structural determinants and interventions in HIV transmission dynamics models: a scoping review and methodological framework for evidence-based analyses
Notice bibliographique
Résumé
Abstract Background Including structural determinants (e.g. criminalisation, stigma, inequitable gender norms) in dynamic HIV transmission models is important to help quantify their population-level impacts and guide implementation of effective interventions that reduce the burden of HIV and inequalities thereof. However, evidence-based modelling of structural determinants is challenging partly due to a limited understanding of their causal pathways and few empirical estimates of their effects on HIV acquisition and transmission. Methods We conducted a scoping review of dynamic HIV transmission modelling studies that evaluated the impacts of structural determinants, published up to August 28, 2023, using Ovid Embase and Medline online databases. We appraised studies on how models represented exposure to structural determinants and causal pathways. Building on this, we developed a new methodological framework and recommendations to support the incorporation of structural determinants in transmission dynamics models and their analyses. We discuss the data and analyses that could strengthen the evidence used to inform these models. Results We identified 17 HIV modelling studies that represented structural determinants and/or interventions, including incarceration of people who inject drugs (number of studies [n] = 5), violence against women (n = 3), HIV stigma (n = 1), and housing instability (n = 1), among others (n = 7). Most studies (n = 10) modelled exposures dynamically. Almost half (8/17 studies) represented multiple exposure histories (e.g. current, recent, non-recent exposure). Structural determinants were often assumed to influence HIV indirectly by influencing mediators such as contact patterns, condom use, and antiretroviral therapy use. However, causal pathways’ assumptions were sometimes simple, with few mediators explicitly represented in the model, and largely based on cross-sectional associations. Although most studies calibrated models using HIV epidemiological data, less than half (7/17) also fitted or cross-validated to data on the prevalence, frequency, or effects of exposure to structural determinants. Conclusions Mathematical models can play a crucial role in elucidating the population-level impacts of structural determinants and interventions on HIV. We recommend the next generation of models reflect exposure to structural determinants dynamically and mechanistically, and reproduce the key causal pathways, based on longitudinal evidence of links between structural determinants, mediators, and HIV. This would improve the validity and usefulness of predictions of the impacts of structural determinants and interventions.
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 | 0,258 | 0,436 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,013 | 0,017 |
| Bibliométrie | 0,046 | 0,039 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,020 | 0,021 |
| Science ouverte | 0,010 | 0,012 |
| Intégrité de la recherche | 0,010 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».