Can the UNAIDS modes of transmission model be improved?
Notice bibliographique
Résumé
OBJECTIVE: The UNAIDS modes of transmission model (MoT) is a user-friendly model, developed to predict the distribution of new HIV infections among different subgroups. The model has been used in 29 countries to guide interventions. However, there is the risk that the simplifications inherent in the MoT produce misleading findings. Using input data from Nigeria, we compare projections from the MoT with those from a revised model that incorporates additional heterogeneity. METHODS: We revised the MoT to explicitly incorporate brothel and street-based sex-work, transactional sex, and HIV-discordant couples. Both models were parameterized using behavioural and epidemiological data from Cross River State, Nigeria. Model projections were compared, and the robustness of the revised model projections to different model assumptions, was investigated. RESULTS: The original MoT predicts 21% of new infections occur in most-at-risk-populations (MARPs), compared with 45% (40-75%, 95% Crl) once additional heterogeneity and updated parameterization is incorporated. Discordant couples, a subgroup previously not explicitly modelled, are predicted to contribute a third of new HIV infections. In addition, the new findings suggest that women engaging in transactional sex may be an important but previously less recognized risk group, with 16% of infections occurring in this subgroup. CONCLUSION: The MoT is an accessible model that can inform intervention priorities. However, the current model may be potentially misleading, with our comparisons in Nigeria suggesting that the model lacks resolution, making it challenging for the user to correctly interpret the nature of the epidemic. Our findings highlight the need for a formal review of the MoT.
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 | 0,000 | 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 | 0,001 | 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 ».