Predictors of HIV prevalence among street-based female sex workers in Andhra Pradesh state of India: a district-level analysis
Notice bibliographique
Résumé
BACKGROUND: A decline in HIV prevalence among female sex workers (FSWs) has been reported from the Indian state of Andhra Pradesh between the two rounds of integrated biological and behavioural assessment (IBBA) surveys in 2005-06 and 2009, the first of these around the time of start of the Avahan HIV prevention intervention. In order to facilitate further planning of FSW interventions, we report the factors associated with HIV prevalence among street-based FSWs. METHODS: Behavioural data from the two rounds of IBBA surveys, district-level FSW HIV prevention program data, and urbanisation data from the Census of India were utilized. A multilevel logistic model was used to investigate factors associated with inter-district variations in HIV positivity among street-based FSWs in the districts by fitting a two-level model. RESULTS: The estimated HIV prevalence among street-based FSWs changed from 16% (95% confidence interval [CI] 14.2 - 17.7%) to 12.9% (95% CI 11.5 - 14.2%) from 2005-06 to 2009. HIV positivity was significantly higher in districts with a high proportion of FSWs registered with targeted interventions (odds ratio [OR] 2.02; 95% CI 1.18-3.45), and in districts with medium (OR 2.54; 95% CI 1.58-4.08) or high (OR 1.55; 95% CI 1.05-2.29) proportion of urban population. Districts which had met the condom requirement targets for FSWs had significantly lower HIV positivity (OR 0.50; 95% CI 0.26-0.97). In round 2 survey, the districts with medium level urbanisation had significantly higher proportion of FSWs registered with HIV intervention programmes and also reported higher consistent condom use with regular partner (p < 0.001). CONCLUSIONS: Variations in HIV positivity among street-based FSWs were seen at the district level in relation to HIV intervention programs and the degree of urbanization. These findings could be used to enhance program planning to further reduce HIV transmission in this population.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».