MétaCan
Menu
← Retour à la cohorte
Enregistrement W7161145933 · doi:10.2196/72088

Lessons from Building a Large, Public, HIV-Related Database in Support of Ending the HIV Epidemic Initiative (Preprint)

2025· article· en· W7161145933 sur OpenAlexvenueno aff
Victor Wang, Nikita Rao, Sheree Schwartz, Sten H. Vermund, Lien Quach, Rafael Perello, Artur Queiroz, K. Shanker, Sung‐Jae Lee, J. L. Jones, Debbie Humphries, Donna Spiegelman

Notice bibliographique

RevueJMIR Formative Research · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV/AIDS Research and Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHuman immunodeficiency virus (HIV)ConfidentialityGovernment (linguistics)PandemicWork (physics)

Résumé

récupéré en direct d'OpenAlex

The HIV epidemic remains a national priority in the United States, and the Ending the HIV Epidemic initiative has renewed the call for expanded prevention and treatment strategies capable of reducing new HIV infections by 90% by 2030. Achieving this goal requires robust, integrated data for understanding HIV-related needs, barriers to care, and the effectiveness of interventions. However, despite the existence of numerous publicly available datasets, few integrate multiple domains such as HIV outcomes, social determinants of health, and community-level factors. The lack of unified data and difficulty linking datasets hampers efforts for meaningful cross-domain analyses to tailor HIV management and treatment strategies. The resulting fragmentation constitutes a methodological gap: implementation teams lack replicable guidance for constructing unified HIV and contextual databases from public sources. In this viewpoint, we describe our experience building a unified compilation of publicly available HIV and community data to identify factors influencing HIV outcomes and interventions. The completed database comprises 242 variables drawn from 8 public sources mapped across clinic, zip code, county, and state levels of geography. Rather than simply reporting what we built, we position four core decisions as transferable methodological advances: (1) treating source identification as a bounded phase before construction begins, (2) adopting automated data engineering tools from the outset rather than manual entry, (3) establishing a shared data dictionary before the first variable is entered, and (4) integrating quality control throughout the workflow rather than as a final phase. The build required approximately 350 total project hours and revealed an initial spot-check error rate of approximately 33%, which we attribute primarily to manual data entry. By sharing the approach used to develop this database and making the final resource publicly accessible through the Yale Center for Methods in Implementation and Prevention Science, we aim to reduce barriers to data access and encourage similar data integration efforts. The methodological framework described in this paper is intentionally designed to be replicable with modest resources, and we present it as a practical model for research teams operating without specialized infrastructure. Consolidating HIV, social determinants of health, and contextual variables into a unified data source is a critical step toward enabling deeper, more comprehensive analysis and supporting ongoing efforts to end the HIV epidemic in the US.

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)0,223
score de la tête « metaresearch » (Gemma)0,525
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil0,958

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2230,525
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0060,008
Études des sciences et des technologies0,0070,006
Communication savante0,0300,040
Science ouverte0,0130,020
Intégrité de la recherche0,0100,015
Charge utile insuffisante (le modèle a refusé de juger)0,0240,012

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 Opus0,112
Tête enseignante GPT0,485
Écart entre enseignants0,374 · 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.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueJMIR Formative Research→Même sujetHIV/AIDS Research and Interventions→Travaux en français237 207→