Using mathematical modelling to estimate the impact of periodic presumptive treatment on the transmission of sexually transmitted infections and HIV among female sex workers
Notice bibliographique
Résumé
BACKGROUND: In settings with poor sexually transmitted infection (STI) control in high-risk groups, periodic presumptive treatment (PPT) can quickly reduce the prevalence of genital ulcers, Neisseria gonorrhoeae (NG) and Chlamydia trachomatis (CT). However, few studies have assessed the impact on HIV. Mathematical modelling is used to quantify the likely HIV impact of different PPT interventions. METHODS: A mathematical model was developed to project the impact of PPT on STI/HIV transmission amongst a homogeneous population of female sex workers (FSWs) and their clients. Using data from Johannesburg, the impact of PPT interventions with different coverages and PPT frequencies was estimated. A sensitivity analysis explored how the projections were affected by different model parameters or if the intervention was undertaken elsewhere. RESULTS: Substantial decreases in NG/CT prevalence are achieved among FSWs receiving PPT. Although less impact is achieved among all FSWs, large decreases in NG/CT prevalence (>50%) are possible with >30% coverage and supplying PPT every month. Higher PPT frequencies achieve little additional impact, whereas improving coverage increases impact until NG/CT becomes negligible. The impact on HIV incidence is smaller, longer to achieve, and depends heavily on the assumed NG/CT cofactors, whether they are additive, the assumed STI/HIV transmission probabilities and STI durations. Greater HIV impact can be achieved in settings with lower sexual activity (except at high coverage), less STI treatment or high prevalences of Haemophilus ducreyi. CONCLUSIONS: Despite the model's assumption of homogeneous risk behaviour probably resulting in optimistic projections, and uncertainty in STI cofactors and transmission probabilities, projections suggest PPT interventions with sufficient coverage (> or = 40%) and follow-up (> or = 2 years) could noticeably decrease the HIV incidence (>20%) among FSW populations with inadequate STI treatment.
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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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) | 0,003 | 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 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 ».