Community-Based Interventions and Behaviors of HIV+ Persons in Congo-Kinshasa
Notice bibliographique
Résumé
Introduction: Sub-Saharan African communities bear the highest burden of HIV/AIDS in the world. Because of identifiable cultural links and local beliefs, people are more likely to engage in sexual mores that could negatively impact their life. Starting in early 2000, Congolese HIV+ patients have undergone a variety of medico-social inputs designed to decrease risky behaviors among people in the program and their family members. Goals: This inquiry aimed to understand how PLWHs assess the influence of community-based incentives within their society, as primarily conceived to improve daily behaviors of each person living with HIV (PLWH), and a few selected family members with unknown HIV-serostatus. Methods: From December 2020 to March 2021, a cross-sectional study was engaged to gather qualitative-driven information from nine in-depth interviews, three focus groups, and two key-informant interviews. Changes were self-assessed through data gotten from 2004-2014 in sexual cleansing, levirate and sororate marriage, Kintwidi phenomenon, stigma and discrimination, sexual gender-based violence (SGBV) and female genital mutilation (FGM), unprotected receptive vaginal or anal intercourse, and behavioral rejection of condoms throughout a decade of Congolese Community-based Interventions (CBIs) implemented from 2004. Grounded on the socioecological model (SEM), this ethnographic study was based on the meaning of the influence of CBIs on cultural behaviors among PLWHs for HIV/AIDS prevention purposes. Results: Data from Kinshasa and Bandundu were coded and analyzed through NVivo R1 and Excel, showing significant negative sentiments for all eight key-cultural components in PLWHs. Conclusion: Out of the holistic approach employed to tackle HIV/AIDS in communities, the comprehensive strategy enabled for social change in Congo-Kinshasa brought specific impactful insights in terms of behavior according to interviewed PLWHs. Findings could be used to inform further preventive activities to alleviate any community HIV burden 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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| 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) | 0,003 | 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 ».