HIV Prevalence among High School Learners – Opportunities for School-based HIV Testing Programmes and Sexual Reproductive Health Services*
Notice bibliographique
Résumé
BACKGROUND: Young girls in sub Saharan Africa are reported to have higher rates of human immunodeficiency virus (HIV) infection compared to boys in the same age group. Knowledge of HIV status amongst high schools learners provides an important gateway to prevention and treatment services. This study aimed at determining the HIV prevalence and explored the feasibility of HIV testing among high school learners. METHODS: Between September 2010 and February 2011, a linked, anonymous cross-sectional survey was conducted in two public sector high schools in the rural KwaZulu-Natal midlands. Following written informed consent, dried blood spot samples (DBS) were collected and tested for HIV. The overall and age-specific HIV prevalence were compared with select demographic variables. RESULTS: The HIV prevalence in learners aged 12 to 25 in school A was 4.7% (95% CI 2.8-6.5) compared to 2.5% (95% CI 1.6-3.5) in school B, (p=0.04). Whilst the HIV prevalence was similar for boys at 1.3% (95% CI 0-2.8) in school A and 1.7% (95% CI 0.5-2.8) in school B, the prevalence in girls was consistently higher and was 7.7% (95% CI 4.5-10.9) in school A and 3.2% (95% CI 1.8-4.6) in school B. The age-specific HIV prevalence in girls increased 1.5 to 2 fold for each two year age category, while for boys the prevalence was stable across all age groups. CONCLUSIONS: The high HIV prevalence in female learners underscores the importance of sexual reproductive health and schools-based HIV testing programs as an important gateway to prevention and treatment services.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».