Widespread rape does not directly appear to increase the overall HIV prevalence in conflict-affected countries: so now what?
Notice bibliographique
Résumé
BACKGROUND: Sub-Saharan Africa (SSA) is severely affected by HIV/AIDS and conflict. Sexual violence as a weapon of war has been associated with concerns about heightened HIV incidence among women. Widespread rape by combatants has been documented in Burundi, Sierra Leone, Rwanda, Democratic Republic of Congo, Liberia, Sudan and Uganda. To examine the assertion that widespread rape may not directly increase HIV prevalence at the population level, we built a model to determine the potential impact of varying scenarios of widespread rape on HIV prevalence in the above seven African countries. DISCUSSION: Our findings show that even in the most extreme situations, where 15% of the female population was raped, where HIV prevalence among assailants was 8 times the country population prevalence, and where the HIV transmission rate was highest at 4 times the average high rate, widespread rape increased the absolute HIV prevalence of these countries by only 0.023%. These projections support the finding that widespread rape in conflict-affected countries in SSA has not incurred a major direct population-level change in HIV prevalence. However, this must not be interpreted to say that widespread rape does not pose serious problems to women's acquisition of HIV on an individual basis or in specific settings. Furthermore, direct and indirect consequences of sexual violence, such as physical and psychosocial trauma, unwanted pregnancies, and stigma and discrimination cannot be understated. SUMMARY: The conclusions of this article do not significantly change current practices in the field from an operational perspective. Proper care and treatment must be provided to every survivor of rape regardless of the epidemiological effects of HIV transmission at the population level. Sexual violence must be treated as a protection issue and not solely a reproductive health and psychosocial issue. It is worth publishing data and conclusions that could be misconstrued and may not make much of a programmatic difference in the field. Data, if collected, analysed and interpreted carefully, help to improve our understanding of complicated and nuanced situations. Ultimately, our understanding of what the outcomes of such interventions can achieve will be more realistic. It also helps decision-makers prioritise their funding and 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 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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».