MétaCan
Menu
← Retour à la cohorte
Enregistrement W4311038330 · doi:10.5539/gjhs.v14n12p39

Sensitivity and Specificity of the HIV Risk Assessment Tool Used by PEPFAR Partners in Edo, Bayelsa and Lagos States, Nigeria

2022· article· en· W4311038330 sur OpenAlexvenueno aff
Eale E. Kris, Nwafor S. Uchenna, Carole Metekoua, Mary P. Selvaggio, Ladi-Akinyemi Babatunde O

Notice bibliographique

RevueGlobal Journal of Health Science · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV/AIDS Research and Interventions
Établissements canadiensnon disponible
Organismes subventionnairesUnited States Agency for International Development
Mots-clésLogistic regressionMedicineHuman immunodeficiency virus (HIV)HIV screeningTuberculosisEnvironmental healthFamily medicineInternal medicinePathologyMen who have sex with men

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Although HIV testing is a critical screening and entry point for accessing HIV treatment, HIV programs worldwide are strained by limited resources which require a practical and cost-effective strategy for screening and testing clients. Screening tools are becoming increasingly common given their presumed advantage of efficiency and cost-effectiveness in predicting and prioritizing clients who are most at risk of testing HIV positive. METHOD: This study assessed a Risk Assessment Tool (RAT) used by PEPFAR partners in Edo, Bayelsa, and Lagos states of Nigeria to determine the tool’s sensitivity and specificity for identifying HIV positivity. The assessment purposively selected the 20 most convenient health facilities. A penalized logistic regression model was also used to identify specific questions that predict True Positive. RESULT & CONCLUSION: The results indicate that the RAT used in the 3 states had poor accuracy, with a sensitivity of only 54%, meaning the RAT correctly identified 54% of the people who have HIV but failed to identify 46% of people who have HIV. The RAT’s specificity (77%) indicated that it correctly identified 77% of people who do not have HIV, but it also erroneously identified 23% of people as having HIV when they did not. The penalized logistic regression model demonstrated that clients who reported having unprotected sex in the previous 6 months accounted for 51% of those who tested positive to HIV. Likewise, those who reported having vaginal or urethral discharge accounted for 11%, while tuberculosis diagnosis or symptoms accounted for 8% of clients who tested positive to HIV. These three questions yielded the highest predictive values of clients who were likely to test positive.

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)0,006
score de la tête « metaresearch » (Gemma)0,019
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: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,023
Tête enseignante GPT0,388
Écart entre enseignants0,364 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health Science→Même sujetHIV/AIDS Research and Interventions→Travaux en français237 207→