Exploring the diagnostic accuracy of an HIV self-test optimized by a digital app-based solution: Results from a secondary data analysis of a field trial in South Africa
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: To reach UNAIDS 95-95-95 targets, digital HIV self-testing (HIVST) strategy aided by applications, platforms, and readers can engage young people and adults living with undetected HIV infection. Evidence on its acceptability, feasibility, impact exists, yet accuracy data are limited. METHODS: A secondary data analysis of a quasi-RCT of digital HIVST in South Africa was performed. We hypothesized app-guided digital interpretation of oral self-test enhanced test accuracy. We compared accuracy between digital HIVST supervised vs. unsupervised (with/without healthcare worker). Self-test results were interpreted and uploaded by participants, compared using computer vision technology, against lab reference standard by trained healthcare professionals. RESULTS: 1513 digital HIVST participants reported pooled Sensitivity (Sn) = 95.52% (95% CI, 94.48%-96.56%); Specificity (Sp): 99.93% (95% CI, 99.79%-100.06%); Positive predictive value (PPV): 99.22% (95% CI, 98.78%-99.67%); Negative Predictive Value (NPV): 99.57% (95% CI, 99.24%-99.90%). 565 participants on supervised digital HIVST, reported a pooled Sn: 93.65% (95% CI, 91.64-95.66); Sp: 100.00% (95% CI, 100.00-100.00); PPV: 100.00% (95% CI, 100.00-100.00); NPV: 99.21% (95% CI, 98.48-99.94). 968 unsupervised digital HIVST participants, reported a pooled Sn: 97.18% (95% CI, 96.13-98.24); Sp: 99.89% (95% CI, 99.67-100.10); PPV: 98.57% (95% CI, 97.82-99.33); NPV: 99.77% (95% CI, 99.47-100.08). Non-digital HIVST vs. study digital HIVST data at 5% significance level - Sn: chi = 0.6495, p-value = 0.4203, Sp: chi = 0.3831, p-value = 0.5259. Supervised vs. unsupervised HIVST at 5% significance level - Sn: chi = 0.973, p-value = 0.3237, Sp: chi = 0.527, p-value = 0.4449. CONCLUSIONS: Digital HIVST improved interpretation of test results, increased accuracy and predictive value estimations (upper limit 98%-100%), removing subjectivity. Unsupervised digital HIVST users performed better than supervised. Digital HIVST results can potentially signal a rapid triage to therapy or prevention pathways, while awaiting lab confirmation. Findings have implications for scale up of digital HIVST initiatives in global settings.
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.
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 | 0,000 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle