To what extent is the HIV epidemic in southern India driven by commercial sex? A modelling analysis
Notice bibliographique
Résumé
BACKGROUND: In south India, general population HIV prevalence estimates range from 0.5 to 3%. To focus HIV prevention efforts, it is important to understand whether HIV transmission is driven by commercial sex. METHODS: A dynamic HIV/sexually transmitted infection transmission model was parameterized using data from Belgaum and Mysore in south India. Fits to sexually transmitted infection/HIV data from female sex workers (FSWs) and their clients for each district were obtained. Model HIV/herpes simplex virus-2 (HSV-2) prevalence projections for the general population were cross-validated against empirical estimates not used to fit model. The model estimated the proportion of incident HIV/HSV-2 infections due to HIV/HSV-2 transmission between FSWs/clients, their noncommercial partners and other low-risk partnerships. The relative impact of a generic intervention targeting different partnerships was explored. RESULTS: The model's general population HIV/HSV-2 prevalence projections agreed well with empirical estimates. Recent increases in condom use resulted in decreasing HIV epidemics in both settings. For men, most incident HIV/HSV-2 infections (>90%) directly result from commercial sex, whereas for women most are due to bridging infections from clients of FSWs (80-90%) with the remainder mainly due to commercial sex. Less than 1.5% of incident infections are due to low-risk partnerships. Intervention impact is maximized through targeting commercial sex but substantial impact could also be achieved through targeting noncommercial partners of clients. DISCUSSION: In southern India, HIV transmission could be driven by FSWs and their clients. While efforts to reduce HIV transmission due to commercial sex must continue, prevention programmes should also consider strategies to prevent transmission from clients to their noncommercial partners.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».