Devising a female sex work typology using data from Karnataka, India
Notice bibliographique
Résumé
BACKGROUND: We examine the extent to which an existing sex work typology captures human immunodeficiency virus (HIV) risk in Karnataka and propose a systematic approach for devising evidence-based typologies. METHODS: The proposed approach has four stages: (i) identifying main places of solicitation and places of sex; (ii) constructing possible typologies based on either or both of these criteria; (iii) analysing variations in indicators of risk, such as HIV/sexually transmitted infection (STI) prevalence and client volume, across the categories of the typologies; and (iv) identifying the simplest typology that captures the risk variation experienced by female sex workers (FSWs) across different settings. Analysis is based on data from 2312 participants in integrated biological and behavioural assessments of FSWs conducted in Karnataka, India. Logistic regression was used to predict HIV/STI status (high-titre syphilis, gonorrhea or chlamydia) and linear regression to predict client volume. RESULTS: Our analysis suggests that the most appropriate typology in Karnataka consists of the following categories: brothel to brothel (i.e. solicit and have sex in brothels) (11% of sampled FSWs); home to home (32%), street to home (11%), street to rented room (9%), street to lodge (22%), street to street (9%) and other FSWs (8%). Street to lodge FSWs had high HIV (30%) and STI prevalence (27%), followed by brothel to brothel FSWs (34 and 13%, respectively). CONCLUSIONS: The proposed typology identifies street to lodge FSWs as being at particularly high risk, which was obscured by the existing typology that distinguishes between FSWs based on place of solicitation alone.
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 | 0,004 | 0,006 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 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 ».