Geographical variations in risk factors associated with HIV infection among drug users in a prefecture in Southwest China
Notice bibliographique
Résumé
BACKGROUND: Previous studies have shown inconsistent or even contradictory results for some risk factors associated with HIV infection among drug users, and these may be partially explained by geographical variations. METHODS: Data were collected from 11 methadone clinics in the Liangshan Yi Autonomous Prefecture from 2004 to 2012. A non-spatial logistical regression model and a geographically weighted logistic regression model were fitted to analyze the association between HIV infection and specific factors at the individual level. RESULTS: This study enrolled 6,458 patients. The prevalence of HIV infection was 25.1 %. The non-spatial model indicated that being divorced was positively associated with HIV infection. The spatial model also showed that being divorced was positively associated with HIV infection, but only for 49.4 % of individuals residing in some northern counties. The non-spatial model suggested that service sector work was negatively associated with HIV infection. However, the spatial model indicated that service work was associated with HIV infection, but only for 23.0 % of patients living in some western counties. The non-spatial model did not show that being married was associated with HIV infection in our study field, but the spatial model indicated that being married was negatively associated with HIV infection for 12.0 % of individuals living in some western counties. For other factors, the non-spatial and spatial models showed similar results. CONCLUSION: The spatial model may be useful for improving understanding of geographical heterogeneity in the relationship between HIV infection and individual factors. Spatial heterogeneity may be useful for tailoring intervention strategies for local regions, which can consequently result in a more efficient allocation of limited resources toward the control of HIV transmission.
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 | 0,001 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 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 ».