Estimates of the size of key populations at risk for HIV infection: men who have sex with men, female sex workers and injecting drug users in Nairobi, Kenya
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: Size estimates of populations at higher risk for HIV infection are needed to help policy makers understand the scope of the epidemic and allocate appropriate resources. Population size estimates of men who have sex with men (MSM), female sex workers(FSW) and intravenous drug users (IDU) are few or non-existent in Nairobi, Kenya. METHODS: We integrated three population size estimation methods into a behavioural surveillance survey among MSM, FSW and IDU in Nairobi during 2010–2011. These methods included the multiplier method, ‘Wisdom of the Crowds’ and an approach that drew on published literature. The median of the three estimates was hypothesised to be the most plausible size estimate with the other results forming the upper and lower plausible bounds. Data were shared with community representatives and stakeholders to finalise ‘best’ point estimates and plausible bounds based on the data collected in Nairobi, a priori expectations from the global literature and stakeholder input. RESULTS: We estimate there are approximately 11 042 MSM with a plausible range of 10 000–22 222, 29 494 FSW with a plausible range of 10 000–54 467 FSW and approximately 6107 IDU and plausibly 5031–10 937 IDU living in Nairobi. CONCLUSIONS: We employed multiple methods and used a wide range of data sources to estimate the size of three hidden populations in Nairobi, Kenya. These estimates may be useful to advocate for and to plan, implement and evaluate HIV prevention and care programmes for MSM, FSW and IDU. Surveillance activities should consider integrating population size estimation in their protocols.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle