Hepatitis D double reflex testing of all hepatitis B carriers in low-HBV- and high-HBV/HDV-prevalence countries
Notice bibliographique
Résumé
Hepatitis D virus (HDV) infection occurs as a coinfection with hepatitis B and increases the risk of hepatocellular carcinoma, decompensated cirrhosis, and mortality compared to hepatitis B virus (HBV) monoinfection. Reliable estimates of the prevalence of HDV infection and disease burden are essential to formulate strategies to find coinfected individuals more effectively and efficiently. The global prevalence of HBV infections was estimated to be 262,240,000 in 2021. Only 1,994,000 of the HBV infections were newly diagnosed in 2021, with more than half of the new diagnoses made in China. Our initial estimates indicated a much lower prevalence of HDV antibody (anti-HDV) and HDV RNA positivity than previously reported in published studies. Accurate estimates of HDV prevalence are needed. The most effective method to generate estimates of the prevalence of anti-HDV and HDV RNA positivity and to find undiagnosed individuals at the national level is to implement double reflex testing. This requires anti-HDV testing of all hepatitis B surface antigen-positive individuals and HDV RNA testing of all anti-HDV-positive individuals. This strategy is manageable for healthcare systems since the number of newly diagnosed HBV cases is low. At the global level, a comprehensive HDV screening strategy would require only 1,994,000 HDV antibody tests and less than 89,000 HDV PCR tests. Double reflex testing is the preferred strategy in countries with a low prevalence of HBV and those with a high prevalence of both HBV and HDV. For example, in the European Union and North America only 35,000 and 22,000 cases, respectively, will require anti-HDV testing annually.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».