How the Disruption in Sexually Transmitted Infection Care Due to the COVID-19 Pandemic Could Lead to Increased Sexually Transmitted Infection Transmission Among Men Who Have Sex With Men in The Netherlands: A Mathematical Modeling Study
Notice bibliographique
Résumé
BACKGROUND: During the COVID-19 pandemic, the disruption in care for sexually transmitted infections (STIs) and the social distancing measures have led to reductions in STI testing and sexual behavior. We assessed the impact of these COVID-19-related changes on transmission of Chlamydia trachomatis (CT) and Neisseria gonorrhoeae (NG) among men who have sex with men (MSM) in The Netherlands. METHODS: We developed a mathematical model for CT and NG transmission among MSM, accounting for COVID-19-related changes in sexual behavior and testing in 2020 to 2021. Changes in 2020 were estimated from data from the Dutch COVID-19, Sex, and Intimacy Survey among MSM and the National Database of STI Clinics. Because of the lack of data for 2021, we examined several scenarios covering a range of changes. RESULTS: A reduction of 10% and 40% in STI testing of symptomatic and asymptomatic, respectively, individuals with a 10% to 20% reduction in numbers of casual partners (according to partner status and activity level) during the second lockdown, resulted in a 2.4% increase in CT prevalence, but a 2.8% decline in NG prevalence in 2021. A 5% and 30% reduction in STI testing of symptomatic and asymptomatic, respectively, individuals with the same reduction in casual partners resulted in a 0.6% increase in CT prevalence and a 4.9% decrease in NG prevalence in 2021. CONCLUSIONS: The disruption in STI care due to COVID-19 might have resulted in a small increase in CT prevalence, but a decrease in NG prevalence. Scaling up STI care is imperative to prevent increases in STI transmission.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».