HIV Postexposure Prophylaxis in an Urban Population of Female Sex Workers in Nairobi, Kenya
Notice bibliographique
Résumé
OBJECTIVES: To assess biological and behavioral factors in HIV-uninfected female sex workers (FSWs) accessing postexposure prophylaxis (PEP) and to characterize the circumstances preceding PEP, time to access, and adherence. METHODS: Participants were HIV-uninfected FSWs enrolled in an HIV care and prevention program in Nairobi, Kenya. Those accessing PEP between 2009 and 2010 were enrolled and compared with controls. Multiple logistic regression models were used to compare PEP-related biological and behavioral parameters. RESULTS: PEP users (n = 326) had been involved in sex work for a shorter duration than nonusers [n = 2570; 3.3 vs. 5.1 yrs, AOR: 0.92, 95% confidence interval (CI): 0.89 to 0.95] and were less likely to report a regular partner (54.9% vs. 72.5%, AOR: 0.52, 0.39 to 0.68). PEP use was associated with gonorrhea infection (6.9% vs. 2.6%, AOR: 2.37, 95% CI: 1.34 to 4.21) and alcohol use (84.3% vs. 76.1%, AOR: 1.58, 95% CI: 1.09 to 2.31), but with increased condom use (85.1% vs. 68.2%, AOR 1.80, 95% CI: 1.38-2.35) and a history of prior HIV testing (89.2 vs. 76.2%, AOR: 2.22, 95% CI: 1.45 to 3.40). Reasons for PEP access centered on issues of client mistrust. The median time from exposure to PEP was 18 hours, with an estimated adherence of 49%. Precise PEP efficacy could not be calculated, but HIV incidence was 0.6% in users (2/326) compared with 2.1% (30/1417) in nonusers (Cox regression P = 0.35). CONCLUSIONS: "PEP services were accessed by 10% of FSWs during the study period and were not implicated in any incident HIV cases." Users had indicators of increased sexual risk and higher health care literacy. Increasing PEP access and compliance in FSWs may be an important HIV prevention strategy.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».