Influence of an “Opt-Out” Test Strategy and Patient Factors on Human Immunodeficiency Virus Screening in Pregnancy
Notice bibliographique
Résumé
In Brief OBJECTIVE: To estimate both human immunodeficiency virus (HIV) testing acceptance rates in pregnancy using an opt-out policy and patient characteristics influencing acceptance. METHODS: At the first prenatal visit, HIV testing was offered using an opt-out approach. Reasons for refusing testing were explored. Demographic information was collected on all study subjects. RESULTS: In the prospective portion of the study, 1,140 of 1,233 women (92.5%) accepted testing. Race was predictive of accepting HIV testing, with Asian women significantly less likely (odds ratio [OR] 0.4; 95% confidence interval [CI] 0.3–0.6; P<.001) and Hispanic women significantly more likely (OR 6.9; 95% CI 2.2–22.0; P=.001) to be tested. Although English as a first language, country of birth, and insurance status were not significantly associated with acceptance, women who were fluent in English were more likely to be tested (OR 2.0; 95% CI 1.2–3.3; P=.01). Our testing rates were significantly higher than the provincial average. CONCLUSION: Using an opt-out strategy, HIV testing rates in our clinic were significantly higher than the provincial average. Rates were influenced by race and fluency in English. CLINICAL TRIAL REGISTRATION: ClinicalTrials.gov, www.clinicaltrials.gov, NCT00393302 LEVEL OF EVIDENCE: II Acceptance of human immunodeficiency virus screening by pregnant women is influenced by testing strategy used (opt-in compared with opt-out) and patient race.
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 | 0,004 | 0,018 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».