P1-S4.15 Revisiting HIV epidemic appraisals for assisting in the design of effective HIV prevention programs
Notice bibliographique
Résumé
Background There is substantial heterogeneity in the size and trajectory of HIV, driven largely by differences in the population sexual structure, which determines overall HIV transmission dynamics. Two standard methods have been developed to appraise epidemics and guide prevention strategies. The numerical proxy method classifies epidemics based on HIV prevalence thresholds. The Modes of Transmission (MOT) model estimates the distribution of incidence over 1 year among subgroups. Neither approach explicitly captures the drivers of the epidemic and can therefore lead to misguided prevention priorities. Using data from India, we explored the limitations of current methods and propose an alternative approach. Methods We compared outputs of the traditional methods in five countries with published results, and applied the numeric and MOT model to India, and to six districts within India. We developed an alternative approach based on a qualitative understanding of local epidemic drivers, the Transmission Dynamics Epidemic Classification (TDEC) scheme, and demonstrated its application. Where data permitted, we calculated the population attributable fraction of paid sex for HIV infection among males to assist in TDEC classification. Results Country and district level analysis illustrated three main limitations of the numeric and MOT methods: (1) their results misinterpreted underlying transmission dynamics and were inconsistent; (2) they were difficult to apply to local epidemics with heterogeneity across districts ; and (3) the MOT model was highly sensitive to input parameters, many of which required extraction from non-regional sources. The TDEC method offered a logical algorithm to characterise local sexual structures that likely sustain onward HIV transmission; it required minimal but key input data. Conclusion Traditional appraisals of HIV epidemics can misdirect prevention programming if the goal is long-term HIV control. By characterising local transmission dynamics, the TDEC approach provides a potentially more effective tool with which policy makers can design intervention programs.
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 | 0,005 | 0,001 |
| 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 | 0,001 |
| 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 ».