P708 Women’s encounters with venue-based HIV risk contexts in abuja, nigeria
Notice bibliographique
Résumé
Background Venues where people meet sexual partners are understood to be important locations where HIV transmission risk plays out and represent potential intervention points. Women involved in sex work and those seeking casual partners spend time in the same venues, forming sexual partnerships with some of the same people and experiencing the same risks. This study provides a characterization of key venues where women meet new sexual partners in Abuja, Nigeria, and describes the sexual behaviours, sexual networking patterns, and challenges experienced by women in these venues. Methods Key informant interviews were used to characterize 836 venues where people congregate for social activities in Abuja, Nigeria, in terms of number of patrons, busy times, and availability of harm reduction supplies. A questionnaire capturing demographics, behaviours, health, and experiences of violence was administered to 892 women who participate in sex work or casual sex at a random sample of 105 of the profiled venues. Descriptive analysis was conducted with stratification by type of venue. Results A diverse set of venues were identified, with bars/nightclubs identified as having the highest volume of patrons. Most of the women indicated meeting partners at bars/nightclubs as well as hotels/lodges. Half of the women had experienced a miscarriage or abortion and perceived themselves to be at great risk of HIV infection. Eighteen percent had experienced condom breakage in the previous week, 15% had ever been arrested, and 8% had been beaten in the past year. Conclusion A diverse set of women intermingle at different venues and have a diverse set of needs, including reproductive health, violence reduction, and infectious disease prevention. By re-orienting HIV programs towards venues where sexual partnerships form instead of towards specific key populations who are often blamed for transmission, the broader needs of a larger group of individuals who attend these venues may be addressed. Disclosure No significant relationships.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».