MétaCan
Menu
Retour à la cohorte
Enregistrement W2144597484 · doi:10.1186/s12916-014-0173-7

Feasibility of HIV point-of-care tests for resource-limited settings: challenges and solutions

2014· article· en· W2144597484 sur OpenAlexfundno aff
Wendy Stevens, Natasha Gous, Nathan Ford, Lesley Scott

Notice bibliographique

RevueBMC Medicine · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV/AIDS Research and Interventions
Établissements canadiensnon disponible
Organismes subventionnairesCenters for Disease Control and PreventionGrand Challenges CanadaClinton FoundationWorld Health Organization
Mots-clésReimbursementMedicinePoint of careHuman immunodeficiency virus (HIV)Multidisciplinary approachLimited resourcesPoint-of-care testingResource (disambiguation)Quality (philosophy)Risk analysis (engineering)Health careNursingFamily medicineImmunologyComputer scienceEconomic growth

Résumé

récupéré en direct d'OpenAlex

Improved access to anti-retroviral therapy increases the need for affordable monitoring using assays such as CD4 and/or viral load in resource-limited settings. Barriers to accessing treatment, high rates of loss to initiation and poor retention in care are prompting the need to find alternatives to conventional centralized laboratory testing in certain countries. Strong advocacy has led to a rapidly expanding repertoire of point-of-care tests for HIV. point-of-care testing is not without its challenges: poor regulatory control, lack of guidelines, absence of quality monitoring and lack of industry standards for connectivity, to name a few. The management of HIV increasingly requires a multidisciplinary testing approach involving hematology, chemistry, and tests associated with the management of non-communicable diseases, thus added expertise is needed. This is further complicated by additional human resource requirements and the need for continuous training, a sustainable supply chain, and reimbursement strategies. It is clear that to ensure appropriate national implementation either in a tiered laboratory model or a total decentralized model, clear country-specific assessments need to be conducted.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,465
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,109
Tête enseignante GPT0,377
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations85
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC MedicineMême sujetHIV/AIDS Research and InterventionsTravaux en français237 207