Geographical Disparities in HIV Seroprevalence Among Men Who Have Sex with Men and People Who Inject Drugs in Nigeria: Exploratory Spatial Data Analysis
Notice bibliographique
Résumé
BACKGROUND: The assessment of geographical heterogeneity of HIV among men who have sex with men (MSM) and people who inject drugs (PWID) can usefully inform targeted HIV prevention and care strategies. OBJECTIVE: We aimed to measure HIV seroprevalence and identify hotspots of HIV infection among MSM and PWID in Nigeria. METHODS: We included all MSM and PWID accessing HIV testing services across 7 prioritized states (Lagos, Nasarawa, Akwa Ibom, Cross Rivers, Rivers, Benue, and the Federal Capital Territory) in 3 geographic regions (North Central, South South, and South West) between October 1, 2016, and September 30, 2017. We extracted data from national testing registers, georeferenced all HIV test results aggregated at the local government area level, and calculated HIV seroprevalence. We calculated and compared HIV seroprevalence from our study to the 2014 integrated biological and behavioural surveillance survey and used global spatial autocorrelation and hotspot analysis to highlight patterns of HIV infection and identify areas of significant clustering of HIV cases. RESULTS: MSM and PWID had HIV seroprevalence rates of 12.14% (3209/26,423) and 11.88% (1126/9474), respectively. Global spatial autocorrelation Moran I statistics revealed a clustered distribution of HIV infection among MSM and PWID with a <5% and <1% likelihood that this clustered pattern could be due to chance, respectively. Significant clusters of HIV infection (Getis-Ord-Gi* statistics) confined to the North Central and South South regions were identified among MSM and PWID. Compared to the 2014 integrated biological and behavioural surveillance survey, our results suggest an increased HIV seroprevalence among PWID and a substantial decrease among MSM. CONCLUSIONS: This study identified geographical areas to prioritize for control of HIV infection among MSM and PWID, thus demonstrating that geographical information system technology is a useful tool to inform public health planning for interventions targeting epidemic control of HIV infection.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».