What lies behind gender inequalities in HIV/AIDS in sub-Saharan African countries: evidence from Kenya, Lesotho and Tanzania
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
Within sub-Saharan Africa, women are disproportionately at risk for acquiring and having human immunodeficiency virus (HIV)/acquired immunodeficiency syndrome (AIDS). It is important to clarify whether gender inequalities in HIV prevalence in this region are explained by differences in the distributions of HIV risk factors, differences in the effects of these risk factors or some combination of both. We used an extension of the Blinder-Oaxaca decomposition approach to explain gender inequalities in HIV/AIDS in Kenya, Lesotho and Tanzania using data from the demographic and health and AIDS indicator surveys. After adjusting for covariates using Poisson regression models, female gender was associated with a higher prevalence of HIV/AIDS in Kenya [prevalence ratio (PR) = 1.73, 95% confidence interval (CI) = 1.33, 2.23 in 2003] and Lesotho (PR = 1.39, 95% CI = 1.20, 1.62 in 2004/05), but not in Tanzania. Decomposition analyses demonstrated two distinct patterns over time. In Tanzania, the gender inequality in HIV/AIDS was explained by differences in the distributions of HIV risk factors between men and women. In contrast, in Kenya and Lesotho, this inequality was partly explained by differences in the effects across men and women of measured HIV/AIDS risk factors, including socio-demographic characteristics (age and marital status) and sexual behaviours (age at first sex); these results imply that gender inequalities in HIV/AIDS would persist in Kenya and Lesotho even if men and women had similar distributions of HIV risk factors. The production of gender inequalities may vary across countries, with inequalities attributable to the unequal distribution of risk factors among men and women in some countries and the differential effect of these factors between groups in others. These different patterns have important implications for policies to reduce gender inequalities in HIV/AIDS.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle