P716 HIV prevalence in at-risk adolescent girls and young women in kenya across locations associated with sex work
Notice bibliographique
Résumé
<h3>Background</h3> HIV prevalence is influenced by biological, behavioural and structural factors. We sought to understand HIV prevalence among at-risk adolescent girls and young women (AGYW) in Kenya and the relative importance of location and subgroup. <h3>Methods</h3> We conducted a cross-sectional survey among AGYW aged 14–24 years in Mombasa, Kenya in 2015/16. Using probabilistic sampling we recruited participants from hotspots where female sex workers (FSWs) solicit clients, divided into venue-based (bars/brothels/hotels/brew dens) and non-venue-based (streets/public places) hotspots. We measured HIV prevalence using dried blood spot serology testing and examined predictors of risk including subgroup: engagement in formal sex work; transactional sex (TS) (exchange of sex for goods/money without pre-negotiation of price); and casual sex (CS) (did not self-identify as FSW or engaging in TS). We compared determinants of risk in venue-based and non-venue-based participants after adjusting for age. <h3>Results</h3> Overall HIV prevalence was 5.6%, with highest prevalence among FSWs (10.1%), compared to those engaged in TS (3.6%) or CS (3.6%) (p < 0.001). Daily/almost daily alcohol use was associated with higher prevalence in both venue- (AOR 2.8 (1.3–6.1)) and non-venue-based (AOR 5.3 (1.3–21.1)) hotspots. Venue-based participants were also more likely to test positive if they had ever been pregnant [AOR 1.9 (1.0–3.5)], had their first sexual experience aged <15 years [AOR2.2 (1.2–4.1)] or had ever experienced sexual [AOR 3.2 (1.8–5.7)] or physical violence [AOR 2.4 (1.3–4.3)]. Compared to CS and TS, HIV prevalence was higher among FSWs in venue-based hotspots [AOR3.4 (1.8–6.3)], but not non-venues [AOR 1.1 (0.3–3.8)]. <h3>Conclusion</h3> We identified a high prevalence of HIV among AGYW congregating in hotspots for FSW, with heterogeneity across subgroups. Determinants of HIV varied by location suggesting that one’s environment is an important contributor to risk, and HIV programmes should take this into consideration for designing delivery of interventions. <h3>Disclosure</h3> 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».