The More You Look, the More You Find: Effects of Hepatitis C Virus Testing Interval on Reinfection Incidence and Clearance and Implications for Future Vaccine Study Design
Notice bibliographique
Résumé
INTRODUCTION: Studies have explored whether spontaneous clearance of hepatitis C virus (HCV) infection decreases the likelihood of reinfection or increases the probability of clearance. This analysis investigates whether the conflicting findings from these studies could be due to differences in frequency of HCV RNA testing. METHODS: A model simulated the dynamics of HCV reinfection and clearance among a cohort of injection drug users. For different reinfection incidence and clearance rates, the model evaluated the accuracy of epidemiological studies that used different HCV testing frequencies. RESULTS: Experimental estimates for the reinfection incidence and clearance probability will be accurate (<20% error) if the testing interval is less than the reinfection clearance duration. Otherwise, experimental estimates can greatly underestimate the real values (≤66% error if reinfection duration is 1 month and the testing interval is 3 months). Uncertainty in experimental estimates also increases at lower reinfection incidences, whereas for lower clearance probabilities the uncertainty in the estimated clearance probability increases but estimated reinfection incidence decreases. DISCUSSION: Differences in HCV testing interval could account for most between-study variability in the estimated probability of clearing reinfections and is likely to have biased reinfection incidence estimates. Our findings suggest that a high reinfection clearance probability (>75%) is consistent with data.
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 | 0,139 | 0,344 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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; 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 ».