Sex Differences in HIV Testing among Older Adults in Sub‐Saharan Africa: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Despite being sexually active and engaging in risky sexual behaviours similar to young adults, older adults (50 years or older) are less likely to receive HIV testing, and disaggregated data are still scarce about HIV prevention and treatment in this vulnerable population in sub-Saharan Africa (SSA). This systematic review is aimed at examining sex differences in HIV testing and counseling (HTC) among older adults in SSA. METHODS: A systematic search of four databases, namely, MEDLINE (Ovid), EMBASE (Ovid), Web of Science, and Global Health, was conducted from 2000 to January 2020. The primary outcome of interest for this study was gender differences in HTC among older adults in SSA. Observational studies including cross-sectional, retrospective, and prospective cohort studies were included. Eligible studies must have reported sex differences in HIV testing uptake in a standard HTC service among older adults in SSA. RESULTS: From the database search, 4143 articles were identified. Five studies were ultimately included in the final review. Of the 1189 participants, 606 (51.1%) and 580 (48.9%) were female and male, respectively. The review findings suggested that both men and women preferred HTC providers that are the same sex as them with women additionally preferring a provider who is also of a similar age. Men and women differed in their pathways to getting tested for HIV. The review documented mixed results with regard to the associations between sex of older adults and uptake of HTC. Older adult HTC uptake data are limited in scope and coverage in sub-Saharan Africa. CONCLUSION: This review revealed shortage of evidence to evaluate optimum HTC utilization among older adults. Few studies examined sex differences in HIV testing among older adults in the region. There is a need for stakeholders working in the area of HIV prevention and treatment to focus on older adult health utilization evidence organization, disaggregated by age and sex. Hence, high-quality research designs are needed on the topic in order to generate good quality evidence for targeted interventions to improve HTC among older adults in sub-Saharan Africa.
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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 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 ».