Challenges in conducting research on sexual violence and <scp>HIV</scp> and approaches to overcome them
Notice bibliographique
Résumé
Studies have implicated sexual violence as a strong correlate of HIV acquisition in women. Characterizing how such violence affects the female immune system may provide insight into the biological mechanisms of HIV transmission and ultimately improve global HIV prevention strategies. Little research has been carried out in this domain, and the obstacles to investigation can be daunting. Here, we describe methodological challenges encountered and solutions explored while implementing a study of dysregulation of immune biomarkers potentially indicative of increased HIV susceptibility in women following sexual assault. Challenges included accessing sexual assault survivors and defining sexual assault, promoting study participant well-being during research engagement, reducing selection and information bias, collecting and processing biological samples, and adjusting for confounders such as reproductive tract infections and emotional and physical abuse. We found that many survivors of sexual assault welcomed the attention from study staff and felt empowered by the opportunity to help other women at risk for violence. Well-trained research staff and well-articulated community and medical partnerships were key methods to overcoming challenges while promoting the safety and welfare of vulnerable study participants.
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 | 0,151 | 0,211 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,011 | 0,015 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».