A Data Visualization and Dissemination Resource to Support HIV Prevention and Care at the Local Level: Analysis and Uses of the AIDSVu Public Data Resource
Notice bibliographique
Résumé
BACKGROUND: AIDSVu is a public resource for visualizing HIV surveillance data and other population-based information relevant to HIV prevention, care, policy, and impact assessment. OBJECTIVE: The site, AIDSVu.org, aims to make data about the US HIV epidemic widely available, easily accessible, and locally relevant to inform public health decision making. METHODS: AIDSVu develops visualizations, maps, and downloadable datasets using results from HIV surveillance systems, other population-based sources of information (eg, US Census and national probability surveys), and other data developed specifically for display and dissemination through the website (eg, pre-exposure prophylaxis [PrEP] prescriptions). Other types of content are developed to translate surveillance data into summarized content for diverse audiences using infographic panels, interactive maps, local and state fact sheets, and narrative blog posts. RESULTS: Over 10 years, AIDSVu.org has used an expanded number of data sources and has progressively provided HIV surveillance and related data at finer geographic levels, with current data resources providing HIV prevalence data down to the census tract level in many of the largest US cities. Data are available at the county level in 48 US states and at the ZIP Code level in more than 50 US cities. In 2019, over 500,000 unique users consumed AIDSVu data and resources, and HIV-related data and insights were disseminated through nearly 4,000,000 social media posts. Since AIDSVu's inception, at least 249 peer-reviewed publications have used AIDSVu data for analyses or referenced AIDSVu resources. Data uses have included targeting of HIV testing programs, identifying areas with inequitable PrEP uptake, including maps and data in academic and community grant applications, and strategically selecting locations for new HIV treatment and care facilities to serve high-need areas. CONCLUSIONS: Surveillance data should be actively used to guide and evaluate public health programs; AIDSVu translates high-quality, population-based data about the US HIV epidemic and makes that information available in formats that are not consistently available in surveillance reports. Bringing public health surveillance data to an online resource is a democratization of data, and presenting information about the HIV epidemic in more visual formats allows diverse stakeholders to engage with, understand, and use these important public health data to inform public health decision making.
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 | 0,012 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,012 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 0,017 |
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 ».