MétaCan
Menu
Retour à la cohorte
Enregistrement W2937243253 · doi:10.5114/hivar.2019.84201

Assessing the accuracy of self-reporting HIV testing behaviour in Houston/Harris County, Texas

2019· article· en· W2937243253 sur OpenAlexaboutno aff
Hafeez ur Rehman, Salma Khuwaja, Zuhair Siddiqui, Karen J. Chronister

Notice bibliographique

RevueHIV & AIDS Review · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensnon disponible
Organismes subventionnairesCenters for Disease Control and PreventionUniversity of Texas Health Science Center at Houston
Mots-clésHuman immunodeficiency virus (HIV)MedicineGerontologyFamily medicine

Résumé

récupéré en direct d'OpenAlex

Introduction:In 2006, the Centers for Disease Control and Prevention (CDC) began directly estimating human immunodeficiency virus (HIV) incidence based upon the Serologic Testing Algorithm for Recent HIV Seroconversion (STARHS) and individuals' testing and treatment history, collected as part of the HIV Incidence Surveillance (HIS) system.The algorithm relies largely upon individuals' self-reported testing history.The primary objective of this study is to describe the methodology and procedures used to assess the similarities between self-reported and medical record data on HIV status and the dates of first positive and last negative tests. Material and methods:The testing history from the individuals is used in combination with the latest laboratory assay tests to obtain a direct population-based estimate of HIV incidence.Understanding how accurate the self-report testing information is will help in estimating HIV incidence.Partnerships were made with the medical clinics and Counselling and Testing facilities, and the participants were recruited from the patients attending these facilities.Participants were interviewed to ascertain the self-report of HIV test, HIV status, the date and location of the most recent HIV-negative test and the first HIV-positive test.Medical record abstraction was done after participants' authorisation to compare the accuracy of self-report testing data.Results: The participants' response rate was 83.7%, and the most common reason of not participating was lack of interest in the study.Data analysis is reported by CDC and Houston Health Department in a separate article.Conclusions: The methodology and procedures adopted in this study can be adopted, replicated, and improved in future studies exploring self-report accuracy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil0,164

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,093
Tête enseignante GPT0,411
Écart entre enseignants0,318 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHIV & AIDS ReviewMême sujetHIV, Drug Use, Sexual RiskTravaux en français237 207