Levels and trend of HIV prevalence among pregnant women in Tamil Nadu: Analysis of data from HIV sentinel surveillance (2003–2019)
Notice bibliographique
Résumé
Introduction HIV Sentinel Surveillance (HSS) among pregnant women is a key indicator to estimate the HIV prevalence in the general population, as nearly 85% of HIV transmission in India is linked to the heterosexual route. Tracking the levels and trends of the HIV prevalence at state, regional, and district levels help to prioritize and facilitate a tailor-made intervention. Here, we analyze the region and district-wise levels and trends of HIV prevalence among pregnant women attending the antenatal clinics (ANC) from 2003 to 2019 in Tamil Nadu. Methods Eleven rounds of HSS data collected from pregnant women in Tamil Nadu, from 2003 to 2019 were analysed. Consistent sites were grouped into four geographical regions (North, Central, West and South), a total of 67 sites including 33 urban 31 rural, and 3 private sites. Chi-square trend test used to find linear trends and spatial analysis used to understand the geographical distribution of HIV prevalence over the years. Results In total, 2,77,444 blood samples were collected during HSS from 2003 to 2019. In 2019, the state HIV prevalence was 0.18 (95% CI: 0.13–0.23); region-wise prevalence was 0.21, 0.07, 0.32 and 0.12 in North, Central, West and South respectively. HIV prevalence in Tamil Nadu had significantly declined since 2003, which however, was not significant in all districts; with inter-district fluctuations. Conclusion HIV interventions have to be strengthened in the districts with inconsistent trends, specifically the West region. This requires a more detailed analysis of region-specific contextual factors associated with the transmission risk.
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 | 0,007 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».