Contribution of Population Factors to Estimation of Human Immunodeficiency Virus Prevalence Trends: A Cohort Study in Rural Uganda, 1989-2007
Notice bibliographique
Résumé
Because the incidence of human immunodeficiency virus (HIV) infection is difficult to measure directly, prevalence trends often serve to track epidemiologic changes. Adult HIV prevalence in open population cohort studies, however, reflects changes in incidence, population factors (migration, deaths, and aging), and survey coverage. Data from an open cohort in rural Uganda enabled estimation of the contribution of these factors to prevalence trends from 1989 to 2007. New infections within this cohort represented on average 44% of new prevalent cases per year. Other factors affecting changes in prevalence included migration and death. Migrants and mobile people (those who leave and return to the study area) are in a higher-risk group and thus can affect prevalence trends. Incidence of HIV infection among mobile people was 2-4 times greater than among stable residents. The importance of mortality is shown by the rise in prevalence from 6.8% in 2005 to 7.4% in 2007, which was accompanied by a fall in mortality among HIV-infected participants (8.7% of HIV-infected in 2005, 5.2% in 2006, and 4.3% in 2007). Assessing HIV epidemic trends through prevalence requires consideration of population factors. Measuring HIV incidence directly remains the most accurate measure of trends with which to monitor the effect of intervention activities and should complement strategies such as national prevalence surveys.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».