Validation of the Modes of Transmission Model as a Tool to Prioritize HIV Prevention Targets: A Comparative Modelling Analysis
Notice bibliographique
Résumé
BACKGROUND: The static Modes of Transmission (MOT) model predicts the annual fraction of new HIV infections acquired across subgroups (MOT metric), and is used to focus HIV prevention. Using synthetic epidemics via a dynamical model, we assessed the validity of the MOT metric for identifying epidemic drivers (behaviours or subgroups that are sufficient and necessary for HIV to establish and persist), and the potential consequence of MOT-guided policies. METHODS AND FINDINGS: To generate benchmark MOT metrics for comparison, we simulated three synthetic epidemics (concentrated, mixed, and generalized) with different epidemic drivers using a dynamical model of heterosexual HIV transmission. MOT metrics from generic and complex MOT models were compared against the benchmark, and to the contribution of epidemic drivers to overall HIV transmission (cumulative population attributable fraction over t years, PAFt). The complex MOT metric was similar to the benchmark, but the generic MOT underestimated the fraction of infections in epidemic drivers. The benchmark MOT metric identified epidemic drivers early in the epidemics. Over time, the MOT metric did not identify epidemic drivers. This was not due to simplified MOT models or biased parameters but occurred because the MOT metric (irrespective of the model used to generate it) underestimates the contribution of epidemic drivers to HIV transmission over time (PAF5-30). MOT-directed policies that fail to reach epidemic drivers could undermine long-term impact on HIV incidence, and achieve a similar impact as random allocation of additional resources. CONCLUSIONS: Irrespective of how it is obtained, the MOT metric is not a valid stand-alone tool to identify epidemic drivers, and has limited additional value in guiding the prioritization of HIV prevention targets. Policy-makers should use the MOT model judiciously, in combination with other approaches, to identify epidemic drivers.
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 | 0,007 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».