Developing a reporting item checklist for studies of HIV drug resistance prevalence or incidence: a mixed methods study
Notice bibliographique
Résumé
BACKGROUND: Adequate surveillance of HIV drug resistance prevalence is challenged by heterogenous and inadequate data reporting. To address this issue, we recently published reporting guidance documentation for studies of HIV drug resistance prevalence and incidence. OBJECTIVES: In this study, we describe the methods used to develop this reporting guidance. DESIGN: We used a mixed-methods sequential explanatory design involving authors and users of studies of HIV drug resistance prevalence. In the quantitative phase, we conducted a cross-sectional electronic survey (n=51). Survey participants rated various reporting items on whether they are essential to report. Validity ratios were computed to determine the items to discuss in the qualitative phase. In the qualitative phase, two focus group discussions (n=9 in total) discussed this draft item checklist, providing a justification and examples for each item. We conducted a descriptive qualitative analysis of the group discussions to identify emergent themes regarding the qualities of an essential reporting item. RESULTS: We identified 38 potential reporting items that better characterise the study participants, improve the interpretability of study results and clarify the methods used for HIV resistance testing. These items were synthesised to create the reporting item checklist. Qualitative insights formed the basis of the explanation, elaboration, and rationale components of the guidance document. CONCLUSIONS: We generated a list of reporting items for studies on the incidence or prevalence of HIV drug resistance along with an explanation of why researchers believe these items are important. Mixed methods allowed for the simultaneous generation and integration of the item list and qualitative insights. The integrated findings were then further developed to become the subsequently published reporting guidance.
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 | 0,512 | 0,560 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,019 | 0,015 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,009 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».