How and Where Do We Ask Sensitive Questions: Self-reporting of STI-associated Symptoms Among the Iranian General Population
Notice bibliographique
Résumé
BACKGROUND: Reliable population-based data on sexually transmitted infections (STI) are limited in Iran and self-reporting remains the main source of indirect estimation of STI-associated symptoms in the country. However, where and how the questions are asked could influence the rate of self-reporting. In the present study, we aimed to assess what questionnaire delivery method (ie, face-to-face interview [FTFI], self-administered questionnaire [SAQ], or audio self-administered questionnaire [Audio-SAQ]) and setting (ie, street, household or hair salon) leads to more reliable estimates for the prevalence of self-reported STI-associated symptoms. METHODS: This cross-sectional study was conducted in winter 2014 on a gender-balanced (50.0% men) sample of 288 individuals aged 18-59 years old in Kerman, Iran. Respondents were recruited in (a) crowded public places and streets, (b) their households, and (c) hair salons. Data was collected on history of current and 6-month (ie, past 6 months) STI-associated symptoms. Three different methods including FTFI, SAQ and or Audio-SAQ were applied randomly in households and non-randomly in streets and hair salons to collect data among the respondents. Generalized estimating equation (GEE) was used to compare the settings and methods separately. RESULTS: A total of 2.8% of men and 9.4% of women self-reported at least one STI-associated symptom. Respondents were significantly more likely to report STI-associated symptoms when completing questionnaires on the street compared to their household (P = .0001). While women were less likely to report symptoms in FTFI compared to SAQ (P = .036), no significant differences were found between men's responses across different methods (P = .064). CONCLUSION: Further research is needed to evaluate the effect of different combinations of methods and settings to find the optimal way to collect data on STI-associated symptoms.
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 | 0,015 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».