An Analysis of Levels and Trends in HIV Prevalence Among Pregnant Women Attending Antenatal Clinics in Karnataka, South India, 2003-2019
Notice bibliographique
Résumé
Background and Objective: Periodic tracking of the trends and the levels of HIV prevalence at regional and district levels helps to strengthen a state’s HIV/AIDS response. HIV prevalence among pregnant women is crucial for the HIV prevalence estimation of the general population. Karnataka is one of the high HIV prevalence states in India. Probing regional and district levels and trends of HIV prevalence provides critical insights into district-level epidemic patterns. This paper analyzes the region- and district-wise levels and trends of HIV prevalence among pregnant women attending the antenatal clinics (ANC) from 2003 to 2019 in Karnataka, South India. Methods: HIV prevalence data collected from pregnant women in Karnataka during HIV Sentinel Surveillance (HSS) between 2003 and 2019 was used for trend analysis. The consistent sites were grouped into four zones (Bangalore, Belgaum, Gulbarga and Mysore regions), totaling 60 sites, including 30 urban and 30 rural sites. Regional and district-level HIV prevalence was calculated; trend analysis using Chi-square trend test and spatial analysis using QGIS software was done. For the last three HSS rounds, HIV prevalence based on sociodemographic variables was calculated to understand the factors contributing to HIV positivity in each region. Results: In total, 254,563 pregnant women were recruited. HIV prevalence in Karnataka was 0.22 (OR: 0.15 95% CI: 0.16 - 0.28) in 2019. The prevalence was 0.24, 0.32, 0.17 and 0.14 in Bangalore, Belgaum, Gulbarga, and Mysore regions, respectively. HIV prevalence had significantly (P< 0.05) declined in 26 districts. Conclusion and Global Health Implications: HIV prevalence among pregnant women was comparatively higher in Bangalore and Belgaum regions. Analysis of contextual factors associated with the transmission risk and evidence-based targeted interventions will strengthen HIV management in Karnataka. Regionalized, disaggregated, sub-national analyses will help identify emerging pockets of infections, concentrated epidemic zones and contextual factors driving the disease transmission. Copyright © 2021. Arumugam et al. Published by Global Health and Education Projects, Inc. This is an open-access article distributed under the terms of the Creative Commons Attribution License CC BY 4.0.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».