Development and Evaluation of a Digital HIV Risk Assessment Tool Incorporated Within an App-Based Self-Testing Program
Notice bibliographique
Résumé
BACKGROUND: Low-risk perception is an important barrier to the utilization of HIV services. In this context, offering an online platform for people to assess their risk of HIV and inform their decision to test can be impactful in increasing testing uptake. Using secondary data from the HIVSmart! quasirandomized trial, we aimed to identify predictors of HIV, develop a risk staging model for South African township populations, and validate it in combination with the HIVSmart! digital self-testing program. SETTING: Townships in Cape Town, South Africa. METHODS: Using Bayesian predictive projection, we identified predictors of HIV and constructed a risk assessment model that we validated in external data. RESULTS: Our analyses included 3095 participants from the HIVSmart! trial. We identified a model of 5 predictors (being unmarried, HIV testing history, having had sex with a partner living with HIV, dwelling situation, and education) that performed best during external validation (area under the receiver operating characteristic curve, 89% credible intervals: 0.71, 0.68 to 0.72). The sensitivity of our HIV risk staging model was 91.0% (89.1% to 92.7%) and the specificity was 13.2% (8.5% to 19.8%) but increased when combined with a digital HIV self-testing program, the specificity was 91.6% (95.9% to 96.4%) and sensitivity remained similar at 90.9% (89.1% to 92.6%). CONCLUSIONS: This is the first validated digital HIV risk assessment tool developed for South African township populations and the first study to evaluate the added value of a risk assessment tool with an app-based HIV self-testing program. Study findings are relevant for application of digital programs to improve utilization of HIV testing services.
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 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».