Socioeconomic inequalities in HIV/AIDS prevalence in sub-Saharan African countries: evidence from the Demographic Health Surveys
Notice bibliographique
Résumé
INTRODUCTION: Extant studies universally document a positive gradient between socioeconomic status (SES) and health. A notable exception is the apparent concentration of HIV/AIDS among wealthier individuals. This paper uses data from the Demographic Health Surveys and AIDS Indicator Surveys to examine socioeconomic inequalities in HIV/AIDS prevalence in 24 sub-Saharan African (SSA) countries, the region that accounts for two-thirds of the global HIV/AIDS burden. METHODS: The relative and generalized concentration indices (RC and GC) were used to quantify wealth-based socioeconomic inequalities in HIV/AIDS prevalence for the total adult population (aged 15-49), for men and women, and in urban and rural areas in each country. Further, we decomposed the RC and GC indices to identify the determinants of socioeconomic inequalities in HIV/AIDS prevalence in each country. RESULTS: Our findings demonstrated that HIV/AIDS was concentrated among higher SES individuals in the majority of SSA countries. Swaziland and Senegal were the only countries in the region where HIV/AIDS was concentrated among individuals living in poorer households. Stratified analyses by gender showed HIV/AIDS was generally concentrated among wealthier men and women. In some countries, including Kenya, Lesotho Uganda, and Zambia, HIV/AIDS was concentrated among the poor in urban areas but among wealthier adults in rural areas. Decomposition analyses indicated that, besides wealth itself (median = 49%, interquartile range [IQR] = 90%), urban residence (median = 54%, IQR = 81%) was the most important factor contributing to the concentration of HIV/AIDS among wealthier participants in SSA countries. CONCLUSIONS: Further work is needed to understand the mechanisms explaining the concentration of HIV/AIDS among wealthier individuals and urban residents in SSA. Higher prevalence of HIV/AIDS could be indicative of better care and survival among wealthier individuals and urban adults, or reflect greater risk behaviour and incidence. Moreover, differential findings across countries suggest that effective intervention efforts for reducing the burden of HIV/AIDS in the SSA should be country specific.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».