HIV Infection among Transgender Women: Challenges and Opportunities
Notice bibliographique
Résumé
Copyright: © 2014 Kerr T, et al. This is an open-access article distributed under the terms of the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are credited. Impressive gains continue to be made in the global fight against HIV disease. Notably, a new and growing body of observational and experimental evidence has revealed the powerful role that antiretroviral therapy can play in reducing not only morbidity and mortality at the individual level, but also HIV transmission at the population level [1,2]. This has led to renewed calls for the aggressive scale-up of HIV treatment, calls that have been supported by an array of cost effectiveness studies and prompted slogans referring to a potential “AIDS-free generation”. In addition, several studies demonstrated the potential efficacy of pre-exposure prophylaxis (PrEP) among HIVnegative individuals at risk, although fears regarding low adherence and implementation challenges resulted in a low uptake of this intervention. In 2013, the US Centers for Disease Control and Prevention released new evidence from the Bangkok Tenofovir Study suggesting that the benefits of PrEP interventions could likely be extended to people who inject drugs [3]. This trial built upon the results of previous studies reporting on potential benefits of PrEP for men who have sex with men and heterosexually active women and men [4-6].
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 | 0,017 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».