HIV testing behaviour and HIV prevalence among female sex workers in Ukraine: findings from an Integrated Bio-Behavioural Survey, 2013–2014
Notice bibliographique
Résumé
OBJECTIVES: Ukraine has one of the largest HIV epidemics in Europe, with high prevalence among female sex workers (FSWs). We aimed to identify factors associated with HIV testing and receipt of the test result in the last 12 months, HIV prevalence and self-reported positive status among FSWs in Ukraine. METHODS: We used data from an Integrated Bio-Behavioural Survey among FSWs conducted in 2013-2014. The survey methodology combined three sampling strategies: time and location sampling, respondent-driven sampling and key informant recruitment. We used multivariable regression to identify factors associated with self-reported HIV testing in the last 12 months, HIV prevalence and self-reported positive status among FSWs living with HIV. Explored factors included: age, age at first sex, age at entry into sex work, education, marital status, employment status beside sex work, condom use with last paying or non-paying sexual partner, drug or alcohol consumption and sex work venue. RESULTS: Recent HIV testing was low overall with only 63.2% of FSWs reported having tested and received their test result in the last 12 months prior to the survey. HIV prevalence was 7.1% overall, but only 45.0% of FSWs living with HIV were aware of their HIV status. Testing in the last 12 months with receipt of test result was less common among FSWs who used drugs ever in life (adjusted OR (AOR) 0.7, 95% CI 0.6 to 0.9), women soliciting clients indoors (AOR 0.8, 95% CI 0.7 to 0.9) and those not using a condom with last paying sexual partner (AOR 0.3, 95% CI 0.2 to 0.5). HIV positivity was associated with history of ever using drugs (AOR 2.3, 95% CI 1.4 to 3.6) and soliciting clients outdoors (AOR 1.5, 95% CI 1.1 to 2.0). Women working indoors were less aware of their positive status (AOR 0.1, 95% CI 0.1 to 0.9). CONCLUSION: HIV prevalence is high among FSWs in Ukraine, and testing and knowledge of one's status remain insufficient. HIV testing programmes need to expand with strategies to reach specific subgroups of FSWs.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 ».