doi:10.1155/2012/182672 Research Article Comparing Measures of Late HIV Diagnosis in Washington State
Notice bibliographique
Résumé
Copyright © 2012 Laura Saganic et al. This is an open access article distributed under the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited. As more US HIV surveillance programs routinely use late HIV diagnosis to monitor and characterize HIV testing patterns, there is an increasing need to standardize how late HIV diagnosis is measured. In this study, we compared two measures of late HIV diagnosis, one based on time between HIV and AIDS, the other based on initial CD4 + results. Using data from Washington’s HIV/AIDS Reporting System, we used multivariate logistic regression to identify predictors of late HIV diagnosis. We also conducted tests for trend to determine whether the proportion of cases diagnosed late has changed over time. Both measures lead us to similar conclusions about late HIV diagnosis, suggesting that being male, older, foreign-born, or heterosexual increase the likelihood of late HIV diagnosis. Our findings reaffirm the validity of a time-based definition of late HIV diagnosis, while at the same time demonstrating the potential value of a lab-based measure. 1. Background Approximately one in five people living with HIV in the United States is unaware of their HIV status [1]. Research suggests that many of these individuals—at least a quarter of a million people—regularly receive health care services, yet
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,254 | 0,129 |
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 ».