Lost in Transition: HIV Prevalence and Correlates of Infection among Young People Living in Post-Emergency Phase Transit Camps in Gulu District, Northern Uganda
Notice bibliographique
Résumé
OBJECTIVE: Little is known about HIV infection and the related vulnerabilities of young people living in resource-scarce, post-emergency transit camps that are now home to thousands of Internally Displaced Persons (IDPs) following two decades of war in northern Uganda. The objective of this analysis was to assess the prevalence and correlates of HIV infection among young people living in post-conflict transition in Gulu District, northern Uganda. METHODS: In 2010, a cross-sectional demographic and behavioural survey was conducted in two of Gulu District's sub-counties with 384 purposively selected transit camp residents aged 15 to 29 years. Biological specimens were collected for rapid HIV testing in the field and confirmatory laboratory testing. Multivariable logistic regression identified independent determinants of HIV infection. RESULTS: HIV prevalence was alarmingly high at 12.8% (95% CI: 9.6%, 16.5%). The strongest determinant of HIV infection among young people was a non-consensual sexual debut (adjusted odds ratio [AOR], 9.88; 95% CI: 1.70-18.06). Residing in Awach sub-county (AOR, 2.93; 95% CI: 1.28-6.68), experiencing STI symptoms in the previous 12 months (AOR, 2.36; 95% CI: 1.43-6.17), and practicing dry sex (AOR, 2.31; 95% CI: 1.04-5.13) were other key determinants of HIV infection. CONCLUSIONS: Study findings contribute to filling an important gap in epidemiological evidence and are useful for planning public health interventions in northern Uganda that effectively target young people in post-conflict transition and support them in the resettlement process. Findings serve to recommend reaching beyond traditional prevention programming in a way more effectively beneficial to young people in post-conflict settings by developing population-specific responses sensitive to local contexts and sufficient to address the underlying causes of the complex risk factors influencing the spread of HIV.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».