HIV self-testing relative to the landscape of HIV testing in Ontario, Canada
Notice bibliographique
Résumé
BackgroundHIV self-testing may help achieve the UNAIDS 95-95-95 targets because it has the potential to increase testing among equity-denied communities. In 2023, the Public Health Agency of Canada made a one-time $8 million investment into HIV self-testing. We sought to evaluate the outcomes of HIV self-testing, compared to serology in Ontario, Canada.MethodsWe submitted data requests to all agencies involved HIV self-test distribution in Ontario, Canada for 2022-2023. We obtained matching data from the Public Health Ontario Laboratory. We then analyzed for unique test, unique tester, and positivity rate per testing modality.ResultsDuring the analysis period, we found that the laboratory completed an average of 53,606 tests per month for an average number of 44,671 unique persons. For self-tests, there was an average of 1700 tests distributed per month to an average of 678 unique persons. The positivity rate for self-testing was 0.27%, compared to 0.1% for serology.ConclusionsOur results highlight that self-testing can play a role but will not, alone, achieve the UNAIDS 95-95-95 targets. In our jurisdiction, self-testing corresponded with a higher positivity rate but accounted for only a minority of new diagnoses. In short, HIV self-testing is a tool, but not the solution to the HIV epidemic.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».