使用交互式网络应用程序来识别与男性发生性关系的男性在暴露前预防的坚持
Bing Lin1,2, Shihan Feng1,2, Jiaxiu Liu3
1School of Public Health, Chongqing Medical University, Chongqing, PR China.
International journal of clinical and health psychology : IJCHP
|September 2, 2024
概括
机器学习准确地预测了与男性发生性关系 (MSM) 的男性的暴露前预防 (PrEP) 坚持. 一个网络应用程序可以识别有不遵守的风险的个人,提高艾滋病毒预防的有效性.
科学领域:
- 公共卫生 公共卫生
- 传染病流行病学 传染病流行病学
- 数字健康数字健康
背景情况:
- 与男性发生性关系的男性 (MSM) 是艾滋病毒感染高风险的关键人群.
- 口服暴露前预防 (PrEP) 是有效的,但需要始终坚持药物治疗以获得最大的益处.
研究的目的:
- 开发和评估一款机器学习网络应用程序,用于预测MSM中PrEP的坚持.
- 为了确定这一群体中非坚持行为的关键预测因素.
主要方法:
- 对中国西部747名MSM进行前性队列研究 (2019-2023年).
- 选预测变量和比较五个机器学习模型的坚持预测.
- 开发一个网络应用程序来计算非坚持性行为的概率.
主要成果:
- 确定了11个候选变量作为不遵守的预测因素.
- 机器学习模型在预测合规性方面表现强.
- 关键预测因素包括男性性伴侣的态度,自我效能,艾滋病毒检测,伴侣数量和风险感知.
结论:
- 机器学习有效地预测了MSM的非坚持性行为.
- 一个交互式网络应用程序可以识别有风险的个体,增强药物坚持和预防艾滋病毒的有效性.


