Targeting HIV services to male migrant workers in southern Africa would not reverse generalized HIV epidemics in their home communities: a mathematical modeling analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Migrant populations such as mine workers contributed to the spread of HIV in sub-Saharan Africa. We used a mathematical model to estimate the community-wide impact of targeting treatment and prevention to male migrants. METHODS: We augmented an individual-based network model, EMOD-HIV v0.8, to include an age-dependent propensity for males to migrate. Migrants were exposed to HIV outside their home community, but continued to participate in HIV transmission in the community during periodic visits. RESULTS: Migrant-targeted interventions would have been transformative in the 1980s to 1990s, but post-2015 impacts were more modest. When targetable migrants comprised 2% of adult males, workplace HIV prevention averted 3.5% of community-wide infections over 20 years. Targeted treatment averted 8.5% of all-cause deaths among migrants. When migrants comprised 10% of males, workplace prevention averted 16.2% of infections in the community, one-quarter of which were among migrants. Workplace prevention and treatment acted synergistically, averting 17.1% of community infections and 11.6% of deaths among migrants. These estimates do not include prevention of secondary spread of HIV or tuberculosis at the workplace. CONCLUSIONS: Though cost-effective, targeting migrants cannot collapse generalized epidemics in their home communities. Such a strategy would only have been possible prior to the early 1990s. However, migrant-targeted interventions synergize with general-population expansion of HIV services.
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.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 découle