Disseminated Effects in Agent-Based Models: A Potential Outcomes Framework and Application to Inform Preexposure Prophylaxis Coverage Levels for HIV Prevention
Notice bibliographique
Résumé
Preexposure prophylaxis (PrEP) for prevention of human immunodeficiency virus (HIV) infection may benefit not only the person who uses it but also their uninfected sexual risk contacts. We developed an agent-based model using a novel trial emulation approach to quantify disseminated effects of PrEP use among men who have sex with men in Atlanta, Georgia, from 2015 to 2017. Model components (subsets of agents connected through partnerships in a sexual network but not sharing partnerships with any other agents) were first randomized to an intervention coverage level or the control group; then, within intervention components, eligible agents were randomized to receive or not receive PrEP. We calculated direct and disseminated (indirect) effects using randomization-based estimators and report corresponding 95% simulation intervals across scenarios ranging from 10% coverage in the intervention components to 90% coverage. A population of 11,245 agents was simulated, with an average of 1,551 components identified. When comparing agents randomized to no PrEP in 70% coverage components with control agents, there was a 15% disseminated risk reduction in HIV incidence (risk ratio = 0.85, 95% simulation interval: 0.65, 1.05). Persons not on PrEP may receive a protective benefit by being in a sexual network with higher PrEP coverage. Agent-based models are useful for evaluating possible direct and disseminated effects of HIV prevention modalities in sexual networks.
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 | 0,020 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 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 ».