MétaCan
Menu
Retour à la cohorte
Enregistrement W6964104029 · doi:10.25384/sage.c.5124674.v1

Missed opportunities within healthcare for an earlier diagnosis of HIV

2020· other· en· W6964104029 sur OpenAlexaboutno aff

Notice bibliographique

RevueSage Journals Data · 2020
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHuman immunodeficiency virus (HIV)HIV diagnosisHealth careMEDLINEPublic healthHealthcare systemClinical diagnosis

Résumé

récupéré en direct d'OpenAlex

Despite guidelines, many individuals are not routinely tested for HIV within healthcare settings. Our objective was to quantify and characterize preceding clinical encounters by newly-diagnosed persons living with HIV in southern Alberta, Canada. We discuss the clinical impact of missed HIV testing, and options for remediation. Clinical encounters prior to HIV diagnosis including the discharge diagnosis were collected between 1 April 2011 and 1 April 2016. We followed the HIV Indicator Diseases across Europe Study criteria to identify HIV Clinical Indicator Conditions (HCICs) present at clinical encounters. Patients accessing prior care were compared to those who had not previously accessed care. Of 393 individuals, 231 (58.7%) had ≥1 encounter prior to diagnosis; 224 (57%) of encounters occurred in outpatient clinics, 130 (33.1%) in emergency departments, and 39 (9.9%) in urgent care clinics. Approximately 25% (n = 57) of patients who engaged healthcare had ≥ 1 recognized HCIC but did not receive HIV testing. The most frequent HCICs were infection (n = 34; 60%) and hematological disorders (n = 12; 21%). The median CD4 cell count at HIV diagnosis for patients with an HCIC was 127 cells/mm3. In this population, three of five patients had accessed healthcare prior to diagnosis with one of four presenting with HCICs but were not offered HIV testing. Protocols beyond the current recommendations are urgently required to address missed HIV diagnostic opportunities who engaged healthcare.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,297
Score d'incertitude au seuil0,591

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,359
Tête enseignante GPT0,394
Écart entre enseignants0,035 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSage Journals DataTravaux en français237 207