Sexually Transmitted Infection Prevalence Among Women at Risk for HIV Exposure Initiating Safer Conception Care in Rural, Southwestern Uganda
Notice bibliographique
Résumé
BACKGROUND: Knowledge of sexually transmitted infection (STI) prevalence and risk factors is important to the development of tenofovir-based preexposure prophylaxis (PrEP) and safer conception programming. We introduced STI screening among women at risk for HIV exposure who were participating in a safer conception study in southwestern Uganda. METHODS: We enrolled 131 HIV-uninfected women, planning for pregnancy with a partner living with HIV or of unknown HIV serostatus (2018-2019). Women were offered comprehensive safer conception counseling, including PrEP. Participants completed interviewer-administered questionnaires detailing sociodemographics and sexual history. We integrated laboratory screening for chlamydia, gonorrhea, trichomoniasis, and syphilis as a substudy to assess STI prevalence. Multivariable logistic regression was used to determine correlates. RESULTS: Ninety-four women completed STI screening (72% of enrolled). Median age was 30 (interquartile range, 26-34) years, and 94% chose PrEP as part of safer conception care. Overall, 24% had STIs: 13% chlamydia, 2% gonorrhea, 6% trichomoniasis, 6% syphilis, and 3% ≥2 STI. Sexually transmitted infection prevalence was associated with younger age (adjusted odds ratio [AOR], 0.87; 95% confidence interval [CI], 0.77-0.99), prior stillbirth (AOR, 5.04; 95% CI, 1.12-22.54), and not feeling vulnerable to HIV (AOR, 16.33; 95% CI, 1.12-237.94). CONCLUSIONS: We describe a 24% curable STI prevalence among women at risk for HIV exposure who were planning for pregnancy. These data highlight the importance of integrating laboratory-based STI screening into safer conception programs to maximize the health of HIV-affected women, children, and families.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,001 | 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 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 ».