评估HIV自我检测减少HIV发病率的潜力：一项建模研究
机器学习
2025-04-24 v2 人工智能
摘要
背景：尽管存在预防措施，HIV在许多美国司法管辖区仍然持续高发。HIV自我检测可克服常规实验室基于testing的障碍，但如果replacement effects导致整体test sensitivity降低，可能增加发病率。方法：应用线性化的四 compartments HIV传播模型于38个Ending the HIV Epidemic（EHE）优先司法管辖区。定义一个阈值testing水平来抵消潜在的负面效应。变动自test的百分比和整体testing rate以量化10年HIV发病率的变化。结果：在司法管辖区之间出现了大量异质性。在某些地区，发病率的减少超过5%，而其他地区仅看到轻微效应。具有更高baseline testing的司法管辖区面临从laboratory-based testing替换为self-test而增加发病率的更高风险。相比之下，派生的Awareness Reproduction Number（AUR），捕获源于未诊断感染所致的传播，强烈与可能的发病率下降幅度相关。结论：地方流行病学背景在决定HIV自我检测的风险和益处方面至关重要。具有强大的testing系统的司法管辖区可能面临更大几率无意中提高发病率，而那些拥有大量个体的司法管辖区则可能实现显著的传播减少。根据司法管辖区特定条件制定self-testing策略可最大化公共卫生益处，同时最小化意外后果。
引用
@article{arxiv.2504.15806,
title = {DAE-KAN: A Kolmogorov-Arnold Network Model for High-Index Differential-Algebraic Equations},
author = {Kai Luo and Juan Tang and Mingchao Cai and Xiaoqing Zeng and Manqi Xie and Ming Yan},
journal= {arXiv preprint arXiv:2504.15806},
year = {2025}
}