P1-S5.20 Multi-level analysis of the predictors of HIV prevalence among pregnant women enrolled in sentinel surveillance in four Southern India states
Notice bibliographique
Résumé
Background The heterogeneity of HIV epidemic in the districts of four Southern states of India is reflected in HIV prevalence in pregnant women (ANC HIV prevalence) as well. Earlier studies have attempted to identify district level high risk population parameters that influenced ANC HIV prevalence. It is important to identify other district and individual level factors that influence ANC HIV prevalence to plan effective interventions. Methods The data from cross-sectional studies, known as integrated biological and behavioural assessments (IBBA), carried out between 2004 and 2007 among female sex workers (FSWs), their clients and men who have sex with men (MSM) in 24 districts were used to generate district-level variables concerning high-risk sub-population. The data on HIV sentinel surveillance in the ANC population (dependent variable) were obtained from the National AIDS Control Organization (NACO) for the same years. Other district level data were obtained from various governmental agencies and other reliable sources. Multilevel logistic regression analysis was used to identify individual and district-level factors associated with ANC HIV prevalence. Results The mean annual ANC HIV prevalence between 2004 to 2007 in the 24 districts considered ranged from 0.25 to 3.25%. In the multilevel model, individual level factors such as age ≥25 years [Adjusted OR (AOR): 1.49; 95% CI 1.27 to 1.76], being illiterate (AOR: 1.64; 95% CI 1.07 to 2.53) and being employed (AOR: 1.38; 95% CI 1.17 to 1.64) were significantly associated with high risk of being infected by HIV. HIV prevalence among FSWs at the district level, which was a significant high risk population parameter in the earlier studies, remained significant in the current study (AOR: 1.03; 95% CI 1.01 to 1.05). The only other district level factor which was considered in the final model was percentage of women who married below age of 18 years (AOR: 1.02; 95% CI 1.00 to 1.04). Conclusion HIV prevalence among FSWs is a key determinant of HIV prevalence among pregnant women in Southern India. Illiteracy of women and high prevalence of women marrying under 18 years at district level are both indicators of low socio economic status. Therefore in addition to targeted interventions for FSWs, awareness programs among individuals from lower socio economic status might help in reducing incidence of HIV in pregnant women.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,001 |
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 ».