Heterogeneity of characteristics, structure, and dynamics of male and<i>hijra</i>sex workers in selected cities of Pakistan
Notice bibliographique
Résumé
BACKGROUND: We sought to describe the characteristics and operational dynamics of male sex workers (MSW) and hijra sex workers (HSWs) in 11 cities across Pakistan in 2011. METHODS: We report descriptive statistics of self-reported sexual behaviour data from cross-sectional mapping and biological and behavioural surveys conducted among 1431 MSWs and 1415 HSWs in four cities across Pakistan in 2011. RESULTS: While Karachi had the largest numbers of MSWs and HSWs, Quetta had the largest relative population sizes, with 3.6 MSWs per 1000 male adults and 3.3 HSWs per 1000 male adults. There was considerable variability in the proportion of HSWs who operate through deras, ranging from 2.2% in Peshawar to 62.7% in Karachi. The number of HSWs per guru varies by city, from 1.5 in Quetta to 16.5 HSWs per guru in Karachi. Among HSWs, the use of mobile phones for solicitation ranged from 37.6% in Quetta to 83% in Peshawar and among MSWs the use of mobile phones ranged from 27% in Karachi to 52% in Quetta. In Quetta, a large proportion of HSWs (41%) find clients through gurus. Client volume tended to be higher among HSWs and among both MSWs and HSWs in Quetta and Peshawar. Condom use with clients was most consistent in Quetta, with 31% of MSWs and 41% of HSWs reporting always using condoms with clients. Peshawar had the greatest proportion reporting never using condoms. CONCLUSIONS: There is considerable geographic heterogeneity in the characteristics and operational dynamics of MSWs and HSWs across Pakistan.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».