Accuracy of self-reported HIV-testing history and awareness of HIV-positive status in four sub-Saharan African countries
Notice bibliographique
Résumé
BACKGROUND: In many countries in sub-Saharan Africa, self-reported HIV testing history and awareness of HIV-positive status from household surveys are used to estimate the percentage of people living with HIV (PLHIV) who know their HIV status. Despite widespread use, there is limited empirical information on the sensitivity of those self-reports, which can be affected by nondisclosure. METHODS: Bayesian latent class models were used to estimate the sensitivity of self-reported HIV-testing history and awareness of HIV-positive status in four Population-based HIV Impact Assessment surveys in Eswatini, Malawi, Tanzania, and Zambia. Antiretroviral (ARV) metabolite biomarkers were used to identify persons on treatment who did not accurately report their status. For those without ARV biomarkers, we used a pooled estimate of nondisclosure among untreated persons that was 1.48 higher than those on treatment. RESULTS: Among PLHIV, the model-estimated sensitivity of self-reported HIV-testing history ranged from 96% to 99% across surveys. The model-estimated sensitivity of self-reported awareness of HIV status varied from 91% to 97%. Nondisclosure was generally higher among men and those aged 15-24 years. Adjustments for imperfect sensitivity did not substantially influence estimates of PLHIV ever tested (difference <4%) but the proportion of PLHIV aware of their HIV-positive status was higher than the unadjusted proportion (difference <8%). CONCLUSION: Self-reported HIV-testing histories in four Eastern and Southern African countries are generally robust although adjustment for nondisclosure increases estimated awareness of status. These findings can contribute to further refinements in methods for monitoring progress along the HIV testing and treatment cascade.
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 | 0,002 |
| 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) | 0,000 | 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 ».