Unsafe Injection Is Associated with Higher HIV Testing after Bayesian Adjustment for Unmeasured Confounding
Notice bibliographique
Résumé
BACKGROUND: To apply a novel method to adjust for HIV knowledge as an unmeasured confounder for the effect of unsafe injection on future HIV testing. METHODS: The data were collected from 601 HIV-negative persons who inject drugs (PWID) from a cohort in San Francisco. The panel-data generalized estimating equations (GEE) technique was used to estimate the adjusted risk ratio (RR) for the effect of unsafe injection on not being tested (NBT) for HIV. Expert opinion quantified the bias parameters to adjust for insufficient knowledge about HIV transmission as an unmeasured confounder using Bayesian bias analysis. RESULTS: Expert opinion estimated that 2.5%-40.0% of PWID with unsafe injection had insufficient HIV knowledge; whereas 1.0%-20.0% who practiced safe injection had insufficient knowledge. Experts also estimated the RR for the association between insufficient knowledge and NBT for HIV as 1.1-5.0. The RR estimate for the association between unsafe injection and NBT for HIV, adjusted for measured confounders, was 0.96 (95% confidence interval: 0.89,1.03). However, the RR estimate decreased to 0.82 (95% credible interval: 0.64, 0.99) after adjusting for insufficient knowledge as an unmeasured confounder. CONCLUSION: Our Bayesian approach that uses expert opinion to adjust for unmeasured confounders revealed that PWID who practice unsafe injection are more likely to be tested for HIV - an association that was not seen by conventional analysis.
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) | 0,001 | 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 ».