Blood-borne virus testing in European emergency departments: current evidence and service considerations
Notice bibliographique
Résumé
Innovative testing approaches are needed to meet global targets for the blood-borne viruses (BBVs) HIV, hepatitis B virus (HBV) and hepatitis C virus (HCV). We conducted a systematic review of BBV testing in emergency departments (EDs) in Europe to evaluate prevalence, effectiveness of ED testing and linkage to care (LTC). We searched PubMed, Embase and Cochrane Library for articles on ED BBV testing published between January 2012 and July 2022. Studies conducted outside Europe or prior to 2012 were excluded owing to epidemiological and healthcare service variation, together with studies that did not report core parameters. Reference lists from included articles were manually searched. Seventeen original articles met the inclusion criteria. Seven studies reported on HIV testing only. ED prevalence: HIV Ab, 0.0%-1.1%; HBsAg, 0.2%-0.9%; and HCV RNA, 0.2%-3.9%. BBV testing uptake varied by policy and offer methodology: opt-out, provider-initiated: 9.7%-44.2%; electronic health record (EHR) modification: 52.1%-88.9%; and opt-in, provider-initiated: 3.9%-37.7%. LTC rates were 8.1%-100% and varied by BBV, generally highest for HIV and lowest for HCV. There was variable detail in outcome reporting and description of clinical LTC pathways. ED BBV testing in Europe is feasible and identifies high numbers of infections (including, where reported, new diagnoses and disengaged patients), often among marginalized populations who use open-access EDs for healthcare. Factors associated with higher levels of sustained testing uptake included opt-out testing (vs opt-in), EHR (vs provider-initiated) and integration of community services. We propose a toolkit of components necessary for a high-performing ED BBV testing programme.
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 | 0,009 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».