Opt‐out screening strategy for <scp>HIV</scp> infection among patients attending emergency departments: systematic review and meta‐analysis
Notice bibliographique
Résumé
OBJECTIVES: International health agencies have promoted nontargeted universal (opt-out) HIV screening tests in different settings, including emergency departments (EDs). We performed a systematic review and meta-analysis to assess the testing uptake of strategies (opt-in targeted, opt-in nontargeted and opt-out) to detect new cases of HIV infection in EDs. METHODS: We searched the Pubmed and Embase databases, from 1984 to April 2015, for opt-in and opt-out HIV diagnostic strategies used in EDs. Randomized controlled or quasi experimental studies were included. We assessed the percentage of positive individuals tested for HIV infection in each programme (opt-in and opt-out strategies). The mean percentage was estimated by combining studies in a random-effect meta-analysis. The percentages of individuals tested in the programmes were compared in a random-effect meta-regression model. Data were analysed using stata version 12. Quality assessments were performed using the Newcastle-Ottawa Scale. RESULTS: Of the 90 papers identified, 28 were eligible for inclusion. Eight trials used opt-out, 18 trials used opt-in, and two trials used both to detect new cases of HIV infection. The test was accepted and taken by 75 155 of 172 237 patients (44%) in the opt-out strategy, and 73 581 of 382 992 patients (19%) in the opt-in strategy. The prevalence of HIV infection detected by the opt-out strategy was 0.40% (373 cases), that detected by the opt-in nontargeted strategy was 0.52% (419 cases), and that detected by the opt-in targeted strategy was 1.06% (52 cases). CONCLUSIONS: In this meta-analysis, the testing uptake of the opt-out strategy was not different from that of the opt-in strategy to detect new cases of HIV infection in EDs.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 ».