Missed opportunities for earlier diagnosis of HIV in British Columbia, Canada: A retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: Late HIV diagnosis is associated with increased AIDS-related morbidity and mortality as well as an increased risk of HIV transmission. In this study, we quantified and characterized missed opportunities for earlier HIV diagnosis in British Columbia (BC), Canada. DESIGN: Retrospective cohort. METHODS: A missed opportunity was defined as a healthcare encounter due to a clinical manifestation which may be caused by HIV infection, or is frequently present among those with HIV infection, but no HIV diagnosis followed within 30 days. We developed an algorithm to identify missed opportunities within one, three, and five years prior to diagnosis. The algorithm was applied to the BC STOP HIV/AIDS population-based cohort. Eligible individuals were ≥18 years old, and diagnosed from 2001-2014. Multivariable logistic regression identified factors associated with missed opportunities. RESULTS: Of 2119 individuals, 7%, 12% and 14% had ≥1 missed opportunity during one, three and five years prior to HIV diagnosis, respectively. In all analyses, individuals aged ≥40 years, heterosexuals or people who ever injected drugs, and those residing in Northern health authority had increased odds of experiencing ≥1 missed opportunity. In the three and five-year analysis, individuals with a CD4 count <350 cells/mm3 were at higher odds of experiencing ≥1 missed opportunity. Prominent missed opportunities were related to recurrent pneumonia, herpes zoster/shingles among younger individuals, and anemia related to nutritional deficiencies or unspecified cause. CONCLUSIONS: Based on our newly-developed algorithm, this study demonstrated that HIV-diagnosed individuals in BC have experienced several missed opportunities for earlier diagnosis. Specific clinical indicator conditions and population sub-groups at increased risk of experiencing these missed opportunities were identified. Further work is required in order to validate the utility of this proposed algorithm by establishing the sensitivity, specificity, positive and negative predictive values corresponding to the incidence of the clinical indicator conditions among both HIV-diagnosed and HIV-negative populations.
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 | 0,001 |
| 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 | 0,000 | 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) | 0,002 | 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 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 ».