Evaluation design for large-scale HIV prevention programmes: the case of Avahan, the India AIDS initiative
Notice bibliographique
Résumé
BACKGROUND: Closing the HIV prevention gap to prevent HIV infections requires rapid, worldwide rollout of large-scale national programmes. Evaluating such programmes is challenging and complex, requiring clarity of evaluation purpose and evidential approaches substantively different to those employed for pilots and small programmes. OBJECTIVES: This paper describes the evaluation design for the implementation phase of Avahan, the India AIDS initiative, a large HIV prevention programme funded by the Bill and Melinda Gates Foundation. Avahan, which began in December 2003, has a 10-year charter to impact the Indian epidemic and its response by implementing an HIV prevention programme targeting core and bridge groups in 83 districts of six Indian states, transferring the programme to the Government of India, and disseminating programme learning. METHODS: The foundation commissioned an external process to design Avahan's evaluation framework. An independent advisory group oversees and guides course corrections in the execution of this framework. RESULTS: Avahan's evaluation framework comprises: trend and synthetic analysis of data from core, bridge and household biobehavioural surveys in a subset of intervention districts, denominator estimates and programme monitoring from all intervention districts, and government's antenatal surveillance (two sites per district in all districts); bespoke transmission dynamics modelling to estimate infections averted (subset of districts); cost effectiveness studies (subset of districts). In addition, there are other knowledge-building and quality-monitoring activities. CONCLUSION: Rather than a small set of monofocal outcome measures, scaled programmes require nuanced evaluations that approximate programmatic scale by collecting data with different levels of geographical scope, synthesize multiple data and methods to arrive at a composite picture, and can cope with continuous environmental and programme evolution.
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 | 0,364 | 0,282 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».