Estimating the contribution of key populations towards HIV transmission in South Africa
Notice bibliographique
Résumé
INTRODUCTION: In generalized epidemic settings, there is insufficient understanding of how the unmet HIV prevention and treatment needs of key populations (KPs), such as female sex workers (FSWs) and men who have sex with men (MSM), contribute to HIV transmission. In such settings, it is typically assumed that HIV transmission is driven by the general population. We estimated the contribution of commercial sex, sex between men, and other heterosexual partnerships to HIV transmission in South Africa (SA). METHODS: We developed the "Key-Pop Model"; a dynamic transmission model of HIV among FSWs, their clients, MSM, and the broader population in SA. The model was parameterized and calibrated using demographic, behavioural and epidemiological data from national household surveys and KP surveys. We estimated the contribution of commercial sex, sex between men and sex among heterosexual partnerships of different sub-groups to HIV transmission over 2010 to 2019. We also estimated the efficiency (HIV infections averted per person-year of intervention) and prevented fraction (% IA) over 10-years from scaling-up ART (to 81% coverage) in different sub-populations from 2020. RESULTS: Sex between FSWs and their paying clients, and between clients with their non-paying partners contributed 6.9% (95% credibility interval 4.5% to 9.3%) and 41.9% (35.1% to 53.2%) of new HIV infections in SA over 2010 to 2019 respectively. Sex between low-risk groups contributed 59.7% (47.6% to 68.5%), sex between men contributed 5.3% (2.3% to 14.1%) and sex between MSM and their female partners contributed 3.7% (1.6% to 9.8%). Going forward, the largest population-level impact on HIV transmission can be achieved from scaling up ART to clients of FSWs (% IA = 18.2% (14.0% to 24.4%) or low-risk individuals (% IA = 20.6% (14.7 to 27.5) over 2020 to 2030), with ART scale-up among KPs being most efficient. CONCLUSIONS: Clients of FSWs play a fundamental role in HIV transmission in SA. Addressing the HIV prevention and treatment needs of KPs in generalized HIV epidemics is central to a comprehensive HIV response.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 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 ».