Prevalence and determinants of HIV infection in South India: a heterogeneous, rural epidemic
Notice bibliographique
Résumé
OBJECTIVES: To assess the prevalence and determinants of HIV infection in the general population in Bagalkot district, a largely rural district in the southern Indian state of Karnataka. METHODS: Approximately 6700 individuals aged 15-49 years were randomly sampled from 10 villages and six towns, from three of Bagalkot's six sub-districts. Each consenting respondent was administered a questionnaire, followed by blood collection and testing for HIV, syphilis, and herpes simplex virus type 2 (HSV-2) on a 25% sub-sample. RESULTS: HIV prevalence was 2.9% overall, 2.4% in urban areas and 3.6% in rural areas [odds ratio (OR), 0.65; 95% confidence interval (CI), 0.45-0.95]. Significant differences in HIV prevalence were seen between the three sub-districts, with prevalences of 1.1, 3.0 and 6.4% (P < 0.05), and HIV prevalence in the 10 villages ranged from 0 to 8.2%. Reported multiple sexual partners, receiving money for sex and a history of medical injections were significantly associated with HIV infection, as were older age, being widowed, divorced, separated or deserted, lower education levels and being a woman of a lower caste. There was a strong association between HSV-2 and HIV infection (OR, 5.2; 95% CI, 2.3-11.5). CONCLUSIONS: The rural nature of this epidemic has important implications for prevention and care programs. The striking differentials observed in HIV prevalence between sub-districts and even villages suggest that risk and vulnerability for HIV are highly heterogeneous. Further research is required to understand the individual and community-level factors behind these differentials, so that preventive interventions can be directed to where they are most needed.
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 | 0,000 |
| 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 ».