A Critical Appraisal of Risk Models for Predicting Sexually Transmitted Infections
Notice bibliographique
Résumé
BACKGROUND: Prediction rules have been proposed as alternatives to screening recommendations and have potential applications in sexual health decision making. To our knowledge, there has been no review undertaken providing a critical appraisal of existing prediction rules in sexual health contexts. This review aims to identify and characterize prediction rules developed and validated for sexually transmitted infection (STI) screening, describe the methodological issues essential to the suitability of derived models for clinical or public health application, and synthesize the literature on the performance of these models. METHODS: We searched MEDLINE (2003-2012) to identify studies that reported on models predicting STIs. We explored the methodological quality of the studies based on a 16-item quality assessment checklist. We also evaluated the studies based on data extracted on model discrimination, calibration, sensitivity, and testing efficiency. RESULTS: We identified 16 publications reporting on STI prediction rules. The most poorly addressed quality items were missing values, calibration measures, and variable definition. Overall, the performance of risk models as measured by discrimination (area under the receiver operating characteristic curve range, 0.64-0.88) and calibration was found to be generally good or satisfactory. Eight studies attained or were close to attaining the performance benchmark of testing less than 60% of the target population to achieve 90% sensitivity. The 2 risk models that were externally validated displayed adequate discrimination in new settings. CONCLUSIONS: Although we identified several well-performing STI risk prediction rules, few have been validated. Future developments in the use of prediction rules should address their clinical consequence, comparative usefulness, external validity, and implementation impact.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».