Poor Reporting of Outcomes Beyond Accuracy in Point-of-Care Tests for Syphilis: A Call for a Framework
Notice bibliographique
Résumé
Background. Point-of-care (POC) diagnostics for syphilis can contribute to epidemic control by offering a timely knowledge of serostatus. Although accuracy data on POC syphilis tests have been widely published, few studies have evaluated broader outcomes beyond accuracy that impact patients and health systems. We comprehensively reviewed evidence and reporting of these implementation research outcomes (IROs), and proposed a framework to improve their quality. Methods. Three reviewers systematically searched 6 electronic databases from 1980 to 2014 for syphilis POC studies reporting IROs. Data were abstracted and findings synthesised narratively. Results. Of 71 studies identified, 38 documented IROs. IROs were subclassified into preference (7), acceptability (15), feasibility (15), barriers and challenges (15), impact (13), and prevalence (23). Using our framework and definitions, a pattern of incomplete documentation, inconsistent definitions, and lack of clarity was identified across all IROs. Conclusion. Although POC screening tests for syphilis were generally favourably evaluated across a range of outcomes, the quality of evidence was compromised by inconsistent definitions, poor methodology, and documentation of outcomes. A framework for standardized reporting of outcomes beyond accuracy was proposed and considered a necessary first step towards an effective implementation of these metrics in POC diagnostics research.
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 | 0,744 | 0,810 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,015 | 0,011 |
| Bibliométrie | 0,039 | 0,034 |
| Études des sciences et des technologies | 0,005 | 0,033 |
| Communication savante | 0,022 | 0,049 |
| Science ouverte | 0,016 | 0,019 |
| Intégrité de la recherche | 0,012 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».