Improved HIV-1 incidence estimates using the BED capture enzyme immunoassay
Notice bibliographique
Résumé
OBJECTIVE: To validate the BED capture enzyme immunoassay for HIV-1 subtype C and to derive adjustments facilitating estimation of HIV-1 incidence from cross-sectional surveys. DESIGN: Laboratory analysis of archived plasma samples collected in Zimbabwe. METHODS: Serial plasma samples from 85 women who seroconverted to HIV-1 during the postpartum year were assayed by BED and used to estimate the window period between seroconversion and the attainment of a specified BED absorbance. HIV-1 incidences for the year prior to recruitment and for the postpartum year were calculated by applying the BED technique to HIV-1-positive samples collected at baseline and at 12 months. RESULTS: The mean window for an absorbance cut-off of 0.8 was 187 days. Among women who were HIV-1 positive at baseline and retested at 12 months, a proportion (epsilon) 5.2% (142/2749) had a BED absorbance < 0.8 at 12 months and were falsely identified as recent seroconverters. Consequently, the estimated BED annual incidence at 12 months postpartum (7.6%) was 2.2 times the contemporary prospective estimate. BED incidence adjusted for epsilon was 3.5% [95% confidence interval (CI), 2.6-4.5], close to the 3.4% estimated prospectively. Adjusted BED incidence at baseline was 6.0% (95% CI, 5.2-6.9) and, like the prospective estimates, declined with maternal age. Unadjusted BED incidence estimates were largely independent of age; the pooled estimate was 58% higher than adjusted incidence. CONCLUSION: The BED method can be used in an African setting, but further estimates of epsilon and of the window period are required, using large samples in a variety of circumstances, before its general utility can be gauged.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».