Deriving and Validating A Risk Estimation Tool for Screening Asymptomatic Chlamydia and Gonorrhea
Notice bibliographique
Résumé
BACKGROUND: There has been considerable interest in the development of innovative service delivery modules for prioritizing resources in sexual health delivery in response to dwindling fiscal resources and rising infection rates. METHODS: This study aims to derive and validate a risk scoring algorithm to accurately identify asymptomatic patients at increased risk for chlamydia and/or gonorrhea infection. We examined the electronic records of patient visits at sexual health clinics in Vancouver, Canada. We derived risk scores from regression coefficients of multivariable logistic regression model using visits between 2000 and 2006. We evaluated the model's discrimination, calibration, and screening performance. Temporal validation was assessed in visits from 2007 to 2012. RESULTS: The prevalence of infection was 1.8% (n = 10,437) and 2.1% (n = 14,956) in the derivation and validation data sets, respectively. The final model included younger age, nonwhite ethnicity, multiple sexual partners, and previous infection and showed reasonable performance in the derivation (area under the receiver operating characteristic curve = 0.74; Hosmer-Lemeshow P = 0.91) and validation (area under the receiver operating characteristic curve = 0.64; Hosmer-Lemeshow P = 0.36) data sets. A risk score cutoff point of at least 6 detected 91% and 83% of cases by screening 68% and 68% of the derivation and validation populations, respectively. CONCLUSIONS: These findings support the use of the algorithm for individualized risk assessment and have important implications for reducing unnecessary screening and saving costs. Specifically, we anticipate that the algorithm has potential uses in alternative settings such as Internet-based testing contexts by facilitating personalized test recommendations, stimulating health care-seeking behavior, and aiding risk communication by increasing sexually transmitted infection risk perception through the creation of tailored risk messages to different groups.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».