A mathematical modeling study of the HIV epidemics at two rural townships in the Liangshan Prefecture of the Sichuan Province of China
Notice bibliographique
Résumé
BACKGROUND: As a response to a severe HIV epidemic in the Liangshan Prefecture, one of the worst in China, population based HIV interventions, including two population-wide HIV screening, have been carried out since 2005 at two townships in a remote mountainous region of Liangshan. The objective of our mathematical modeling study is to assess the temporal dynamics of the HIV epidemic in the two townships based on the data collected in the study area during the period 2005-2010. METHODS: A mathematical model was set up to describe the population dynamics of HIV transmission in study area. The model was calibrated by fitting it to the HIV testing and treatment data from 2005 to 2008. Validation of the model was done by comparing its predicted value of HIV prevalence in 2010 to the prevalence data obtained in the 2010 population wide HIV testing. The validated model was used to produce estimation of HIV incidence, prevalence and death. RESULTS: Our model estimations show that population-based HIV interventions have significantly slowed down the rise of the HIV epidemic in the two townships. Over the five-year period from 2005 to 2010, the year-over-year rate of increase in HIV incidence, prevalence, and death has declined by 91.5%, 28.7%, and 52.3%, respectively. CONCLUSION: Mathematical models, when integrated with epidemiological and surveillance data, can be an effective tool for predicting the temporal dynamics of HIV and assessing the impacts of HIV interventions.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».