HIV testing and its associated factors among street-based female sex workers in Iran: results of a national rapid assessment and response survey
Notice bibliographique
Résumé
BACKGROUND: Female sex workers (FSWs) are at a disproportionate risk of sexually transmitted infections and they may face significant barriers to HIV testing. This study aimed to examine HIV testing prevalence and its associated factors among street-based FSWs in Iran. METHOD: A total of 898 FSWs were recruited from 414 venues across 19 major cities in Iran between October 2016 and March 2017. Eligible FSWs were women aged 18 years of age who had at least one commercial sexual intercourse in the previous year. HIV testing was defined as having tested for HIV in the lifetime. Bivariable and multivariable logistic regression were used to examine the correlates of HIV testing. We report adjusted odds ratios (aOR) and their 95% confidence intervals (CI). RESULT: Overall, 57.8% (95%CI: 20.0, 88.0) of participants reported having tested for HIV, and HIV prevalence among FSWs who tested for HIV was 10.3% (95%CI: 7.5, 13.0). The multivariable model showed that unstable housing (aOR: 8.86, 95%CI: 2.68, 29.32) and drug use (aOR: 3.47, 95%CI: 1.33, 9.06) were associated with increased likelihood of HIV testing. However, FSWs with a higher level of income were less likely to be tested for HIV (aOR: 0.09, 95%CI: 0.02, 0.43). CONCLUSION: Almost one in ten street-based FSWs had never tested for HIV. These findings suggest the need for evidence-based strategies such as outreach support and HIV self-testing to improve HIV testing in this marginalized 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
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 | 0,000 |
| 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) | 0,000 | 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 ».