Factors Associated With Syphilis Testing and a History of Syphilis Infection Among a Sample of Transgender Women in Jamaica
Notice bibliographique
Résumé
BACKGROUND: Globally, social inequalities contribute to elevated sexually transmitted infections (STIs) rates among transgender women. High syphilis prevalence has been documented among transgender women in Latin America. Little is known, however, of syphilis testing uptake among transgender women in Jamaica, where homosexuality is criminalized. The study objective was to understand factors associated with opting-in for syphilis testing and a syphilis infection history among transgender women in Jamaica. METHODS: We conducted a cross-sectional tablet-based survey of 137 transgender women between March and November 2015 in Jamaica. Bivariate analyses were used to assess differences across sociodemographic, intrapersonal, interpersonal, and structural factors based on syphilis infection history. We conducted univariable and multivariable logistic regression to determine the odds ratio for opting-in for syphilis testing for all factors associated with testing uptake at a P value of less than 0.05 in bivariate analyses, controlling for sociodemographic characteristics. RESULTS: Among 137 participants, 83 (60.6%) opted in for syphilis screening and 8 (9.6%) had positive rapid test results. One quarter of participants (n = 26; 25.2%) reported being HIV positive. Opting-in for syphilis testing was associated with the following: 1 health (HIV-positive serostatus: adjusted odds ratio [AOR], 4.33; 95% confidence interval [CI], 1.31-14.26), 1 intrapersonal (perceived STI risk: AOR, 1.58; 95% CI, 1.04-2.40), 1 interpersonal (childhood sexual abuse: AOR, 2.80; 95% CI, 1.03-7.62), and 1 structural (incarceration: AOR, 0.27; 95% CI, 0.11-0.71) factor. CONCLUSIONS: This study identified factors (HIV-positive serostatus, perceived STI risk, childhood sexual abuse, no incarceration history) associated with syphilis testing uptake among transgender women. Findings can inform multilevel STI testing, prevention, and care strategies tailored for transgender women in Jamaica.
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 | 0,000 | 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 | 0,001 | 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) | 0,002 | 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 ».