From individuals to complex systems: exploring the sexual networks of men who have sex with men in three cities of Karnataka, India
Notice bibliographique
Résumé
INTRODUCTION: Research on the HIV vulnerability of men who have sex with men (MSM) in India has tended to focus on aggregates of individual risk behaviours. However, such an approach often overlooks the complexities in the sexual networks that ultimately underpin patterns of spread. This paper analyses a set of sexual contact network (SCN) snapshots in relation to ethnographic findings to reorientate individual-level explanations of risk behaviour in terms of more complex systems. METHODS: Fifteen community researchers conducted a 2-month ethnographic study in three cities in Karnataka to generate descriptions of the risk environments inhabited by MSM. SCNs were reconstructed by two methods. First, initial participants, defined as nodes of various sexual networks, were purposively sampled. In each site, six nodes brought in three sexual partners separately as participants. In all sites, 72 participants completed 431 surveys for their 7-day sexual partners. Second, each site determined four groups representing various sexual networks, each group containing four individuals. In all sites, 48 participants completed 334 surveys for their regular sexual partner. RESULTS: Considerable differences were observed between sites for practically all included behavioural variables. On their own, these characteristics yielded contradictory interpretations with respect to understanding contrasts in HIV prevalence at each site. However, viewing these variables in relation to SCNs and ethnographic data produced non-linear interpretations of HIV vulnerability which suggested importance to local interventions. CONCLUSION: SCN data may be used with existing data on risk behaviour and the structural determinants of vulnerability to re-tailor more tightly focused interventions.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».