The HIV self-testing debate: where do we stand?
Notice bibliographique
Résumé
BACKGROUND: Emphasis on HIV testing as a gateway to prevention, treatment and care has grown tremendously over the past decade. In turn, this emphasis on testing has created a demand for new policies, programs, and technologies that can potentially increase access to and uptake of HIV testing. HIV self-testing (HST) technologies have gained important momentum following the approval of the over-the-counter self-tests in the United States, the UK, and France. While the renewed interest in HST has given rise to a number of high quality reviews of empirical studies conducted on this topic, we have yet to find an article that captures the extent of the debate on HST. MAPPING THE DEBATE: A critical review of the literature on HST was conducted and organized into three categories based on the focus of the article: 1) Empirical research, 2) Arguments, and 3) Context. We focused exclusively on the second category which included ethical analyses, policy analyses, editorials, opinion pieces, commentaries, letters to the editor and so forth. 10 lines of argument on HST were identified in the literature: 1) Individual - Public Health, 2) Strengths - Limits, 3) Benefits - Harms, 4) Screening - Testing, 5) Target - Market, 6) Health Care - Industry, 7) Regulation - Restriction, 8) Resource-Rich Settings - Resource-Limited Settings, 9) Ethical - Unethical, and 10) Exceptionalism - Normalization. Each line of argument is presented and discussed in the paper. CONCLUSION: We conclude by providing examples of critical questions that should be raised in order to take the debate to another level and generate new ways of thinking about HST.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».