Variability in the sexual structure in a rural Indian setting: implications for HIV prevention strategies
Notice bibliographique
Résumé
OBJECTIVES: To describe the sexual structure, including numbers and distribution of female sex workers (FSWs) and male sexual behaviours in the Bagalkot district of the state of Karnataka in south India. METHODS: Village health workers and peer educators enumerated FSWs in each village by interviewing key informants and FSWs. Urban FSW populations were estimated using systematic interviews with key informants to identify sex work sites and then validating FSW populations at each sex work site. Male sexual behaviours were measured through confidential polling booth surveys in randomly selected villages. HIV prevalence was estimated through a community-based survey using randomised cluster sampling. Lorenz curves and Gini coefficients were used to describe the degree of clustering of FSW populations. RESULTS: Of an estimated 7280 FSWs in Bagalkot district (17.1/1000 adult males), 87% live and work in rural areas. The relative size of the FSW population varies from 9.6 to 30.5/1000 adult males in the six subdistrict administrative areas (talukas). The FSW population was highest in the three talukas with more irrigated land and fewer and larger villages. FSW populations are highly clustered; 93 (15%) of the villages accounted for 54% of all rural FSWs. There is a high degree of FSW clustering in all talukas, and talukas with fewer and larger villages have larger clusters and more FSWs overall. General population HIV prevalence is highest in the taluka with the highest relative FSW population. CONCLUSIONS: Prevention programmes in India should be scaled up to reach FSWs in rural areas. These programmes should be focused on those districts and subdistrict areas with large concentrations of FSWs. More research is required to determine the distribution of FSWs in rural areas in other regions of India.
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 | 0,003 | 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 | 0,001 | 0,000 |
| 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 ».