Identifying Optimal Testing Modalities to Increase COVID-19 Testing Access in Baltimore, Maryland: Protocol for a Household Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic disproportionately affected low-income and racial and ethnic minority populations. Testing plays a critical role in disrupting disease transmission, but complex barriers prevent optimal testing access, particularly for Black and Latinx communities. There is limited evidence regarding the optimal testing modalities to increase testing access for these populations. OBJECTIVE: This study aimed to define the optimal COVID-19 testing modalities for maximizing testing acceptance, uptake, and timeliness of receipt of results. METHODS: The Community Collaboration to Combat COVID-19 (C-FORWARD) trial was a household randomized comparative effectiveness trial conducted in a representative sample of an urban population. Households across 653 census block groups were sampled using a probability proportional to size approach. The primary outcome was the completion of SARS-CoV-2 or COVID-19 testing within 30 days of randomization. RESULTS: Between February 2021 and December 2022, a total of 1083 individuals were enrolled, including 881 (81.35%) index participants and 202 (18.65%) household members. The mean age of participants was 51 (SD 18) years.Of the total sample, 43% (n=460) of participants identified as Black or African American, 48.6% (n=526) as White, and 9% (n=91) as other, including Asian, American Indian, Native Hawaiian or Pacific Islander, and multiple races; 4.8% (n=48) of participants identified as Hispanic or Latino. At the time of enrollment, 51.1% (n=553) were currently working either full time or part time, and 32.9% (n=342) of participants had an advanced degree. In total, 80% (n=809) of participants had been tested for COVID-19 previously, with 22.3% (n=179) reporting a prior positive test for COVID-19, and 86.8% (n=890) reporting receiving at least one COVID-19 vaccination before enrollment. CONCLUSIONS: Data from the C-FORWARD trial will be used to address important questions regarding COVID-19 testing acceptance and uptake in an urban population. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): RR1-10.2196/68600.
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 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 | 0,016 | 0,149 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».