Prevalence and incidence of HIV among female sex workers and their clients: modelling the potential effects of intervention in Rwanda
Notice bibliographique
Résumé
BACKGROUND: Rwanda has identified several targeted HIV prevention strategies, such as promotion of condom use and provision of antiretroviral therapy (ART) and pre-exposure prophylaxis (PrEP) for female sex workers (FSWs). Given this country's limited resources, understanding how the HIV epidemic will be affected by these strategies is crucial. METHODS: We developed a Markov model to estimate the effects of targeted strategies to FSWs on the HIV prevalence/incidence in Rwanda from 2017 to 2027. Our model consists of the six states: HIV-; HIV+ undiagnosed/diagnosed pre-ART; HIV+ diagnosed with/without ART; and death. We considered three populations: FSWs, sex clients and the general population. For the period 2017-2027, the HIV epidemic among each of these population was estimated using Rwanda's demographic, sexual risk behaviour and HIV-associated morbidity and mortality data. RESULTS: Between 2017 and 2027, with no changes in the current condom and ART use, the overall number of people living with HIV is expected to increase from 344,971 to 402,451. HIV incidence will also decrease from 1.36 to 1.20 100 person-years. By 2027, a 30% improvement in consistent condom use among FSWs will result in absolute reduction of HIV prevalence among FSWs, sex clients and the general population by 7.86%, 5.97% and 0.17%, respectively. While recurring HIV testing and improving the ART coverage mildly reduced the prevalence/incidence among FSWs and sex clients, worsening the two (shown by our worst-case scenario) will result in an increase in the HIV prevalence/incidence among FSWs and sex clients. Introduction of PrEP to FSWs in 2019 will reduce the HIV incidence among FSWs by 1.28%. CONCLUSIONS: Continued efforts toward improving condom and ART use will be critical for Rwanda to continue their HIV epidemic control. Implementing a targeted intervention strategy in PrEP for FSWs will reduce the HIV epidemic in this high-risk population.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Simulation ou modélisation | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Simulation ou modélisation | high |
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 | 0,000 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».