1513. Evaluating the Incremental Accuracy of HIV Self-Test Together with an App-Based Solution: A Secondary Data Analysis of Trial Data
Notice bibliographique
Résumé
Abstract Background According to the United Nations Programme on HIV/AIDS (UNAIDS), in 2019, two out of every seven new human immunodeficiency virus (HIV) infections, globally, were among young people aged 15 to 24 years old. HIV self-testing (HIVST) is a convenient strategy that helps increase knowledge of HIV serostatus in the young. In 2012, the Food and Drug Administration (FDA) approved the OraQuick In-Home HIV Test with a reported sensitivity of 92%. Digital supports such as applications (Apps) and websites, in conjunction with oral self-tests, have demonstrated a high feasibility, acceptability, and impact, yet data on accuracy with digital supports remain largely unexplored. Methods We performed a secondary data analysis of a quasi-randomized trial of oral HIVST with HIVSmart! conducted in South African township populations (2017-2019). We hypothesized that HIVSmart! guided interpretation increased test accuracy. We evaluated the diagnostic accuracy of the HIVSmart! guided interpretation of an oral self-test result against the reference standard (dual Elisa and HIV RNA). Stored picture of a self-test result was uploaded by the participants. Results Accuracy data from (n=1489) HIVST participants versus reference standard (2 rapid tests and HIV RNA) demonstrated: Sensitivity: 95.52% (95% CI: 94.48%-96.56%) Specificity: 99.93% (95% CI: 99.79%-100.00%) Positive Predictive Value: 99.22% (95% CI: 98.78%-99.67%) Negative Predictive Value: 99.57% (95% CI: 99.24%-99.90%) Conclusion With the App, we noticed an improved sensitivity to 95.5% (from 92% with self-tests without the use of the App), specificity high at 99%, together with high positive and negative predictive values. Findings demonstrate that Smart-App based digital interpretation removed subjectivity and increased accuracy of test result interpretation, together with recording and storage of data for monitoring purposes. Findings suggest that Smart-App based readers could be useful adjuncts to improve the accuracy estimations of self-tests, translating to increased trust and confidence in self-tests. Disclosures All Authors: No reported disclosures
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 | 0,056 | 0,114 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,010 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,002 |
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 ».