P3.149 Spatiotemporal dynamics of the hiv epidemic in brazil, 2009 to 2014
Notice bibliographique
Résumé
Introduction In 2015, the estimated HIV prevalence in Brazil was 0.4%. This figure has been stable in recent years, but it can mask disparities among regions. In this study we present the spatial distribution of the variation in HIV incidence rates(IR) in Brazilian municipalities from 2009–14 and assess the existence of spatial clustering of increase or decrease in these IR. Methods We used the AIDS reporting system(Sinan) and programmatic data on Viral Load(VL) exams and ARVs. The diagnosis date used was the earliest among 1st detectable VL, 1st ARV dispensation or diagnosis date in Sinan. Annual IR were generated by municipality. To smooth the IR, we used 3 year averages and applied the local empirical Bayesian method. To assess IR time trends, we calculated the percent IR variations in the period. For spatial statistical analysis, a simple adjacency matrix was generated, and Global and Local Moran’s I autocorrelation tests were applied. Results The Global Moran’s I for the IR variation was 0.42 (p<0.001) which points to spatial clustering. We generated 2 maps, one for the percent IR variation and another to represent the statistically significant high-high and low-low clusters. In the 1st, we observed that most municipalities in the North(N) and Center-West(CW) present increases in the period; in the Southeast(SE), the state of Sao Paulo(SP) reveals the most relevant decreases in the country; the Northeast(NE), South(S) and some areas of the SE show mixed patterns. The 2nd map makes regional disparities even clearer. There are big clusters of increasing IR in most states of the N, and smaller ones in areas of the CW and NE. Several clusters of declining IR are seen in SP, Minas Gerais(SE), Santa Catarina, Rio Grande do Sul(S), and areas of the NE. Conclusion Spatial dependency in HIV IR variations in Brazil was evidenced. The methods used in this study have proved useful in monitoring spatiotemporal trends, pointing out important regional differences. Similar analysis can be performed at state and city levels, contributing to improved diagnoses of local epidemics.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».