Associations Between Methods of Meeting Sexual Partners and Sexual Practices Among Heterosexuals: Cross-sectional Study in Melbourne, Australia
Notice bibliographique
Résumé
BACKGROUND: The association between meeting partners on the web and sexual practices has been understudied in heterosexuals. OBJECTIVE: This study aims to examine the associations between the methods of meeting partners and sexual practices and HIV and sexually transmitted infections (STIs) in heterosexuals. METHODS: We conducted a survey among heterosexuals attending the Melbourne Sexual Health Centre in 2019. This survey asked about the methods through which the participants engaged in meeting their sexual partners, sexual practices, and intravenous drug use (IVDU) over the past 3 months. The participants' HIV and STI (chlamydia, gonorrhea, and syphilis) status was obtained from clinical testing. Multivariable logistic regression was used to examine the association between each method of meeting and the participants' sexual practices, IVDU, and STI status. RESULTS: A total of 698 participants (325 men and 373 women) were included in the study. Most of the participants reported using only one method to meet partners (222/325, 68.3% men; 245/373, 65.7% women; P=.05). The men met partners most commonly at social venues (eg, bar, pub, or party; 126/325, 38.8%), whereas the women met partners most commonly through friends or family (178/373, 47.7%). Paying for sex was associated with men meeting partners at sex venues (adjusted odds ratio [AOR] 145.34, 95% CI 26.13-808.51) and on the internet (AOR 10.00, 95% CI 3.61-27.55). There was no association between IVDU and methods of meeting. Social venues were associated with condomless vaginal sex among men (AOR 3.31, 95% CI 1.94-5.71) and women (AOR 2.58, 95% CI 1.61-4.13) and testing positive for STI among men (AOR 3.04, 95% CI 1.24-7.48) and women (AOR 3.75, 95% CI 1.58-8.89). CONCLUSIONS: Heterosexuals who met partners at social venues had a more than threefold risk of testing positive for STIs, indicating that heterosexuals may benefit from health promotion campaigns that are delivered through a public setting.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».