Screen more or screen more often? Using mathematical models to inform syphilis control strategies
Notice bibliographique
Résumé
BACKGROUND: Syphilis incidence among men who have sex with men (MSM) continues to rise despite attempts to increase screening and treatment uptake. We examined the marginal effect of increased frequency versus increased coverage of screening on syphilis incidence in Toronto, Canada. METHODS: We developed an agent-based, network model of syphilis transmission, representing a core population of 2,000 high-risk MSM. Epidemiological and biological parameters were drawn from regional surveillance data and literature-derived estimates. The pre-intervention period of the model was calibrated using surveillance data to identify 1000 credible simulations per strategy. Evaluated strategies included: annual syphilis screening at baseline coverage, increased screening frequency at baseline coverage, and increased coverage of annual screening. Intervention impact was measured as annual prevalence of detected infectious cases and syphilis incidence per year over 10 years. RESULTS: Of the strategies evaluated, increasing the frequency of syphilis screening to every three months was most effective in reducing reported and incident syphilis infections. Increasing the fraction of individuals tested, without increasing test frequency, resulted a smaller decline in incidence, because reductions in infectious syphilis via treatment were counterbalanced by increased incident syphilis among individuals with prior latent syphilis. For an equivalent number of additional tests performed annually, increased test frequency was consistently more effective than improved coverage. CONCLUSIONS: Strategies that focus on higher frequency of testing in smaller fractions of the population were more effective in reducing syphilis incidence in a simulated MSM population. The findings highlight how treatment-induced loss of immunity can create unexpected results in screening-based control strategies.
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 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».