Understanding human sexual networks: a critique of the promiscuity paradigm
Notice bibliographique
Résumé
Increases in sexually transmitted infection (STI) and HIV rates worldwide have prompted the dedication of research to identifying transmission co-factors, with one such co-factor being an individual's number of different sexual partners. Currently, the majority of STI/HIV transmission models are based on the assumptions that sexual networks have random distributions; whereas, in real-life, these assumptions have proven incorrect because group norms produce variations in sexual practices and differences in transmission co-factors (i.e. number, type, and timing of sexual contacts, use of protection, and genital co-infections). In fact, sexual groupings follow the distribution of the scale-free network. Because human sexual assemblages form scale-free networks, a large number of sexual partners does not necessarily mean that an individual is at risk for acquiring an STI, or conversely, that a small number of partners means that an individual is not at risk. Therefore, while an individual's number of sexual partners is important for population-based and case-management initiatives, it is impossible to determine group sexual norms, network location, and γ values at the individual level. This signifies that a reliance on individuals’ number of different sexual partners to determine their need for STI/HIV testing may be an unnecessarily invasive practice that negatively impacts on testing practices. Thus, it is important to be aware that it is not so much this number of contacts that is important, but rather what occurs during these connections at a network level, and how many concurrent connections exist across the group.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».